A strategy for ionic current analysis of nanopore protein readouts
本文提出了一种用于分析纳米孔蛋白质离子电流信号的集成计算策略，该策略结合了去噪、分割和机器学习技术，旨在克服区分所有 20 种氨基酸的挑战，从而在基于电荷的二分类中实现高精度，并对多肽易位进行建模。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
蛋白质是生命的劳模，承担着维持我们身体运转的大部分任务。虽然我们的遗传密码为构建这些分子提供了蓝图，但最终的产物往往比指令所暗示的更为复杂。蛋白质可以在制造后进行化学修饰，或者折叠成复杂的三维形状，亦或是以不同的方式组合，从而创造出令人眼花缭乱的各种不同形式。为了真正理解健康与疾病，科学家需要直接读取这些单个蛋白质分子，而不是仅仅通过遗传数据来推断它们的存在。几十年来，一种被称为纳米孔测序的技术一直让研究人员能够通过观察 DNA 和 RNA 穿过一个微型孔洞的过程，实现对它们的高精度读取。然而，将同样的技术应用于蛋白质却被证明要困难得多。与 DNA 的四种字母表不同，蛋白质是由二十种不同的构建模块（称为氨基酸）组成的，每种氨基酸都具有独特的物理特性。此外，蛋白质通常会发生折叠并携带不均匀的电荷，从而产生难以解开的混乱信号。
一支研究团队现在开发出了一种新的计算策略，用以解析蛋白质通过纳米孔时产生的电信号。他们的工作聚焦于一种特定的方法，即利用一个分子马达（扮演着微型引擎的角色）将一条蛋白质链一次一步地拉过孔道。随着蛋白质的移动，它会以一种取决于当前孔洞内有哪些氨基酸的方式来扰动电流。挑战在于如何解码这种嘈杂、波动的电流，以识别出氨基酸的序列。研究人员创建了一个流水线，用于清理原始数据、将其分解为有意义的区块，然后使用计算机模型来识别负责该信号的具体氨基酸。他们发现，虽然要分辨出每一个氨基酸仍然是一项艰巨的任务，但该方法在根据电荷对氨基酸进行分组识别方面非常有效。
这项研究始于一组专门为测试这项技术而设计的合成蛋白质链。这些链经过工程化设计，包含重复的部分，每个部分在中心处持有一个独特的氨基酸，并由产生明显电信号跌落的标记物分隔开。这种设计使研究人员能够隔离单个氨基酸产生的信号。首先，他们必须清洗原始电信号数据，因为其中充满了可能掩盖真实生物信号的随机噪声。他们使用了一个多步骤过程来去除这些伪影，同时保留标志着蛋白质运动的锐利转变。一旦数据变得干净，他们就需要确定一个氨基酸的信号在哪里结束，下一个又在哪里开始。他们测试了两种不同的数学方法来寻找这些边界。一种方法是自动检测信号的变化，另一种方法则是强制将数据划分为固定数量的片段以确保一致性。两种方法都产生了可靠的结果，将蛋白质的旅程划分为大约三十五个不同的步骤，这个数字与拉动蛋白质通过的分子马达的已知速度相吻合。
在信号完成分割后，研究人员转向了识别任务。他们使用了两种不同类型的计算机学习模型来分析电模式。第一种方法涉及训练一个深度学习网络，以识别每个片段内的统计特征，例如平均电流、波动范围以及信号曲线的形状。当被要求同时识别所有二十种氨基酸时，该模型的表现并不理想，准确率仅为百分之二十左右。这一结果表明，当所有二十种氨基酸都在相互竞争时，它们的电学特征过于相似，以至于难以区分。然而，当模型被要求在仅有的两种氨基酸之间进行选择时，表现则好得多。在这些一对一的比较中，平均准确率上升到了约百分之七十五。某些氨基酸，特别是那些带有负电荷的氨基酸，表现得非常清晰；而另一些具有相似物理特性（如大小或缺乏电荷）的氨基酸则经常被混淆。
第二种方法使用了另一种类型的模型，该模型将蛋白质的移动视为一系列步骤，就像一张计算机试图遵循的隐藏地图。这种模型特别擅长捕捉蛋白质旅程的整体模式，包括马达可能向后滑动或停顿的时刻。与深度学习模型一样，这种方法在区分正电荷和负电荷氨基酸方面表现出色，在二元测试中的准确率超过了百分之九十三。它在按一般大小分离氨基酸方面也表现良好，但在处理中等大小的组别时遇到了困难。研究人员发现，读取这些蛋白质最可靠的方法不是试图命名序列中的每一个字母，而是根据它们最明显的物理特征进行分组。氨基酸的电荷被证明是最强的信号，它创造了一个计算机可以高置信度识别的独特指纹。
研究结论指出，虽然从头开始读取完整的蛋白质序列尚不是一个已解决的问题，但这项技术已经准备好投入更具针对性的应用中。能够可靠地区分带电区域与不带电区域，或者识别改变蛋白质电荷的特定突变，提供了一条切实可行的路径。研究人员建议，未来的改进将来自于使用更大的数据集，以及设计能让氨基酸在更多样化语境下暴露出来的蛋白质链。目前，这项工作为理解蛋白质如何与纳米孔相互作用奠定了坚实的基础。它证明了即使面对复杂且嘈杂的数据，通过结合精细的信号处理与智能计算模型，也是可以提取出有意义的生物信息的。实现全蛋白质测序的道路很长，但这一策略为导航于蛋白质组的电学景观中提供了一种清晰的、循序渐进的方法。
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。