PoolPy: Automated combinatorial pooling for high-throughput molecular profiling
该论文介绍了 PoolPy，这是一个统一的端到端框架和网络平台，它实现了组合分组检测策略的设计、基准测试和解码的自动化，旨在克服实施挑战，并实现在多种检测模态下可扩展且具成本效益的高通量分子图谱分析。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在广袤的生物研究世界中，科学家们经常面临一个简单但代价高昂的困境：如何在不耗费巨额资金或等待数年时间的情况下，检测成千上万个样本。想象一下，实验室试图在一大批货物中寻找一个故障组件，或者研究人员试图在数千人的群体中寻找一种特定的遗传特征。传统的做法是对每一个项目进行逐一测试。虽然这种方法很准确，但随着样本数量的增加，其成本和时间会变得极其高昂。为了解决这个问题，研究人员长期以来一直使用一种称为“组合分组检测”（combinatorial group testing）的策略。与其单独测试每个项目，不如将许多不同样本的小部分混合在一起，形成一个“池”（pool），然后对这个混合物进行测试。如果该池检测结果为阴性，则意味着其中的所有样本都通过了检测；如果检测结果为阳性，研究人员就知道该组中至少有一个样本是他们正在寻找的目标，并且可以利用逻辑来缩小搜索范围。这种方法可以大幅降低成本和时间，但由于设计正确的样本混合方式极其复杂，它一直未被广泛使用。组合分组的方式太多了，如果没有合适的工具，科学家往往会猜错，导致结果遗漏或徒劳无功。
苏黎世联邦理工学院（ETH Zurich）的一个研究小组现在开发了一个名为 PoolPy 的解决方案来解决这一问题。这是一个统一的软件平台和网站，作为指导科学家使用分组检测的完整指南。PoolPy 不再让研究人员去猜测如何混合样本，而是会自动为任何特定的实验设计出最高效的分组策略。该软件会考虑样本数量、预期阳性结果的数量，以及实验室设备的物理限制（例如，当样本在大量混合物中稀释时，信号可能会如何减弱）。随后，它会生成一个分步计划，包括可以直接由机械臂读取的文件，以便自动混合样本。研究人员通过模拟超过 10 万种不同的筛选场景来测试该系统。他们发现，没有任何一种设计能够适用于所有情况。相反，最佳方案完全取决于实验的具体约束条件。例如，如果科学家要在大型群体中寻找一个非常罕见的事件，软件可以设计出一个仅需 9 次测试就能从 500 个样本中找到单个阳性样本的计划。然而，如果阳性样本较为常见，或者化学信号较弱、在混合过多液体后会消失，软件则会建议不同的混合模式，以确保结果依然清晰。
为了证明这些计算机生成的计划在现实世界中可行，该团队将 PoolPy 应用于两种截然不同的生物实验类型。首先，他们测试了一种寻找蛋白质如何与药物相互作用的方法。他们使用机器人按照 PoolPy 的设计混合了 96 个样本，并针对特定的相互作用进行了筛选。他们比较了软件生成的两种不同设计：一种旨在尽可能减少测试次数，另一种旨在保持化学信号强度。结果显示出明显的权衡。那个旨在减少测试次数的设计（涉及较大的样本混合组）失败了，因为它未能检测到阳性样本，因为信号被稀释到无法测量的程度。而那个测试次数稍多、但保持了较小混合组的设计，则成功识别出了阳性样本。这次实验证明，仅仅试图最小化测试次数是不够的；设计必须同时符合实验的物理限制。
在第二个更复杂的实验中，研究人员使用 PoolPy 研究了十种不同的蛋白质（即转录因子）如何与细菌中的 DNA 结合。这是一个高复杂度的任务，因为每种蛋白质都可以与基因组中的数千个位置结合。传统上，测试十种蛋白质需要进行十次独立的、昂贵的实验。使用 PoolPy，团队将这十种蛋白质混合到了仅有的四个分组检测中。软件通过解码这四次测试的结果，确定了哪种蛋白质在何处结合。这些分组测试的结果与进行十次独立测试的结果几乎完全一致。这种方法使他们能以仅进行四次实验的精力来筛选十种蛋白质，实现了 2.5 倍的速度提升和显著的成本降低。研究人员证实，该软件正确识别了已知的结合位点以及这些蛋白质偏好的特定 DNA 序列。
这项工作确立了 PoolPy 作为一个灵活工具的地位，它可以适应任何实验的独特需求，从药物研发到大规模基因图谱绘制。通过将分组检测背后的复杂数学运算自动化，并提供比较不同策略的方法，该软件消除了阻碍这种强大方法被广泛采用的障碍。研究人员强调，成功的关键不仅在于找到一个减少测试次数的设计，更在于找到效率与信号检测能力之间的正确平衡。PoolPy 提供了进行这种选择所需的指导，使科学家能够扩展实验规模，去探索那些此前因成本过高而无法调查的广阔搜索空间。该工具是开源的，并在网上提供，为科学界将这些先进的分组策略整合到日常工作中提供了一种切实可行的方法。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。