GMFOLD:用于高通量DNA - 吸收体二次结构分类和机器学习可解释性的子图匹配
Paolo Climaco1, Noelle M Mitchell2, Matthew J Tyler3
1Institut für Numerische Simulation, University of Bonn, Bonn, 53115, NRW, Germany.
Mathematical biosciences
|June 29, 2025
概括
我们开发了GMfold,这是一个Python工具,用于快速预测DNA体二次结构. 这种高通量方法有助于分析来自SELEX的大型体池,推进生物传感器和治疗开发.
科学领域:
- 生物技术是生物技术.
- 计算生物学 计算生物学
- 分子生物学分子生物学
背景情况:
- 胺体是DNA分子,可以以高亲和力结合目标.
- 预测DNA二次结构对于理解体功能至关重要.
- 像mfold这样的现有工具不适合对大型aptamer池进行高通量分析.
研究的目的:
- 开发一种高通量计算方法,用于预测DNA体二次结构.
- 为了实现对数千个DNA序列的实时分析,以进行aptamer选择.
- 为了促进机器学习的整合到aptamer的发现和设计.
主要方法:
- 开发了GMfold,这是一个用于高通量aptamer二次结构确定的Python代码.
- 利用子图匹配方法,根据结构相似性分组aptamer候选物.
- 通过结合子图匹配概念来改进SeqFold开源代码.
- 作为最低能量的二分位子图匹配,表示二次结构.
主要成果:
- GMfold使得DNA二次结构的高通量预测成为可能.
- 新的方法允许基于二次结构的数千个DNA序列进行比较.
- 这种方法对于分析由SELEX生成的大型序列池是有效的.
结论:
- 改进的GMfold和SeqFold为aptamer二次结构分析提供了高效的工具.
- 这些计算进步支持基于机器学习的aptamer选择.
- 这项工作是开发改进的aptamer生物传感器和治疗方法的基础.


