拡張DNAアルファベットのナノポアシーケンシングにおけるイオン電流予測のための構造情報に基づくモデル

科学分野:

• バイオテクノロジー
• バイオインフォマティクス
• 合成生物学

背景:

• ナノポアシーケンシングは、DNAやRNAのような生体高分子の直接的な単分子解析を提供する。
• キセノ核酸（XNA）は、診断、治療、データストレージのためのDNAの能力を拡張する。
• 修飾塩基に対する現在のナノポアシーケンシング法は、広範でコストのかかる実験的キャリブレーションを必要とする。

研究 の 目的:

• XNAのナノポアシーケンシング中のイオン電流シグナルを予測するための計算方法を開発すること。
• 非標準DNA塩基のシーケンシングにおける経験的キャリブレーションへの依存を減らすこと。
• 配列ベースの予測モデルと構造認識型予測モデルの効果を評価すること。

主な方法:

• 配列ベースの予測モデルと2つの構造認識型モデルを比較した。
• 1つの構造認識型アプローチには、グラフベースの分子表現を利用した。
• 別の構造認識型アプローチには、分子SMILESを使用した生成言語モデルを適応させた。

主要な成果:

• XNAのナノポアシーケンシングにおけるシグナル変動の大部分は、配列コンテキストによって説明される。
• 化学的および構造的情報を取り入れた構造認識モデルは、予測精度を向上させた。
• 本研究の結果は、計算アプローチがXNAシーケンシングの拡張性を向上させる可能性を示している。

結論:

• 計算モデリングは、XNAナノポアシーケンシングの実験的キャリブレーションを大幅に削減できる。
• 予測モデルに構造的および化学的データを統合することは、精度にとって重要である。
• このフレームワークは、タンパク質を含む他の複雑な生体分子のイオン電流モデリングにも適用可能である可能性がある。