精确的DNA序列预测,用于对目标性碳纳米管进行排序,并操纵它们的功能

科学领域:

• 材料科学 材料科学 材料科学
• 纳米技术 纳米技术
• 生物技术是生物技术.

背景情况:

• 合成单壁碳纳米管 (SWCNTs) 具有多种性,使其应用复杂化.
• 众所周知,DNA可以对SWCNT进行分类,但识别有效的DNA序列具有挑战性,并且通常依赖于试错.
• 预测特定的SWCNT奇拉性质的DNA序列仍然是一个重大障碍.

研究的目的:

• 开发一种深度学习 (DL) 策略,用于准确预测能够对目标性SWCNT进行排序的DNA序列.
• 通过实验选创建一个全面的数据集,用于通过实验选培训DL模型.
• 通过了解DNA-SWCNT相互作用来精确控制SWCNT属性.

主要方法:

• 使用水性两相分离 (ATP) 来识别216个DNA序列的实验选,以确定分辨序列.
• 使用Uni-Mol 3D分子表示学习框架构建DL工作流程.
• 将DNA序列的原子结构信息映射到模型训练的特征空间中.

主要成果:

• 确定了116个能够净化17个不同的单基拉性SWCNTs的解析DNA序列.
• 在解析序列方面实现了高预测准确率:在 (6,5), (6,6) 和 (7,4) 的SWCNT中,预测准确率为87.5%,90%和70%.
• 发现了 (6,5) SWCNTs的众多解析序列,促进了DNA-(6,5) 杂交性质的系统操纵.

结论:

• 该DL增强的策略准确地预测DNA序列,用于排序特定的SWCNT奇拉性.
• 这种方法显著提高了净化SWCNT和理解DNA-纳米管相互作用的能力.
• 这些发现为量身定制的SWCNT应用铺平了道路,因为它们可以精确控制其属性.