人工智能辅助纳米孔技术实现DNA测序到蛋白质分析的飞跃

MEMS · 公众号 · · 2017-06-05 06:30

正文

近日，来自加州大学圣地亚哥分校(UC San Diego)和美国圣母大学(the University of Notre Dame)的研究人员在发表报告称，他们通过应用机器学习和纳米孔技术，实现了对含有多种分子的复杂混合物进行大规模蛋白质组学分析，该项研究有望将纳米孔技术扩展至蛋白质鉴定领域。相关研究成果发表在5月份的PLOS Computational Biology期刊中。(“Single-Molecule Protein Identification by Sub-Nanopore Sensors”)

纳米孔技术的基础理念已经有十几年历史了，这项技术原理十分简单，让分子穿过纳米孔，检测穿过时电导的微小改变从而快速识别分子类型，该技术已经在DNA测序上成功实现了应用。

虽然纳米孔技术在处理少量分子如DNA测序时，效果特别好，但是它在复杂混合物中表征大量蛋白质时效果往往不尽如人意。因此，目前科学家在筛选复杂混合物时仍然使用其他技术，例如质谱法。然而质谱法需要大量的材料，目前仅限于小于30kDa的短链蛋白质。

就在2016年，业界仍对短期内将纳米孔技术应用于大规模蛋白质分析持悲观态度。“我们目前尚未真正接近这一技术。”英国Oxford Nanopore联合创始人Hagan Bayley表示：“我不认为这是一个不可能实现的目标，但现在去讨论实现它实在有点夸张。”

然而，加州大学圣地亚哥分校的Pevzner认为他们的研究做出了重大的突破。“这项新技术的关键在于使用机器学习分析蛋白质通过纳米孔位移时产生的信息，”他表示：“通过应用机器学习技术，我们能够识别独特的信号，从而进行大规模的纳米孔蛋白质分析。”

通过氮化硅膜溅射的约10nm厚、直径为0.5nm的纳米孔

在接受GenomeWeb采访时Pevzner表示，研究早期我们面临了许多棘手的麻烦。“这些数据含有非常多的噪音杂，我们几乎都放弃了” 他解释说：“我研究质谱分析法已经近10年了。质谱分析法进行蛋白质鉴定已经是一个相当成熟的技术，而与之相比，纳米孔技术几乎无法产生可以媲美的信号。”

然而，当研究人员将机器学习中的随机森林分析工具应用在这个问题上时，一切都改变了。“突然之间，信号的结构就出现了”Pevzner实验室的研究生Mikhail Kolmogorov回顾道。

他们首次构建了一种用于将蛋白质通过纳米孔而产生的纳米光谱与蛋白质相联系的算法。研究人员认为：“目前的技术足以使纳米光谱与小型蛋白质的数据库相匹配，例如在细菌蛋白质组中进行蛋白质鉴定。”该分析工具可在github免费下载，地址：http://github.com.sci-hub.cc/fenderglass/Nano-Align.

虽然这项技术目前的鉴定准确性还十分有限，不能对复杂蛋白质样品进行可靠的处理，但是利用机器学习算法进行蛋白质鉴定，无疑打开了一扇新的窗户。Pevzner认为，“快速改进的实验方案以及新的算法将在不久的将来转化为可行的蛋白质鉴定方法。”