高精度蛋白质识别:固态纳米孔传感与机器学习的融合
生物物理
2023-10-17 v3
摘要
蛋白质可以说是用于健康诊断的最重要一类生物标志物。无标记固态纳米孔传感是一种通用的技术,用于在单分子水平感测和分析诸如蛋白质等生物分子。尽管纳米孔可评估蛋白质的分子水平尺寸、形状和电荷信息,但识别尺寸相近的蛋白质仍是一项挑战。在此,我们提出将固态纳米孔传感与机器学习相结合的方法以应对该挑战。我们使用在厚度<10 nm的氮化硅膜上制备的纳米孔,以带宽(BW)为100 kHz(采样率=200 ksps)和10 MHz(采样率=40 Msps,报道中用于蛋白质感测的最高带宽)的放大器,评估了四种尺寸相近蛋白质的易位。使用100 kHz和10 MHz带宽仪器,在不对蛋白质信号进行聚类的情况下,识别这四种蛋白质的F值分别达到最高65.9%和83.2%。根据事件特征将信号分组为若干簇后,蛋白质识别的准确率显著提升,对于四种蛋白质的组合,F值和特异性分别高达88.7%和96.4%。通过采用高带宽仪器、先进聚类、机器学习及其他高级数据分析方法对传感器信号的联合改进,实现了高精度的蛋白质识别。
引用
@article{arxiv.2302.12098,
title = {High Accuracy Protein Identification: Fusion of solid-state nanopore sensing and machine learning},
author = {Shankar Dutt and Hancheng Shao and Buddini Karawdeniya and Y. M. Nuwan D. Y. Bandara and Elena Daskalaki and Hanna Suominen and Patrick Kluth},
journal= {arXiv preprint arXiv:2302.12098},
year = {2023}
}