社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

苏州医工所结合数字微流控与深度学习,研发数字化单分子酶活性追踪平台

微流控 • 2 天前 • 26 次点击  
单分子酶分析可提供有价值的见解,包括酶群体中的催化异质性以及功能性肽的比例。这些生物聚合物存在于多种物理或化学状态中,这些状态与不同的活性参数相关。这种分析对于单分子实时(SMRT)测序尤为关键。单分子酶作为长读长测序的分子马达,在高光子通量下的激光耐受性是实现超长读长测序的关键限制因素。然而,由于缺乏能将内在异质性与光损伤解耦的长期、高通量单分子评估方法,阐明激光诱导的酶失活机制仍是一项技术瓶颈。
图1 人工智能(AI)辅助数字化单分子活性追踪平台(dSMAT)
据麦姆斯咨询介绍,针对这一关键瓶颈,中国科学院苏州生物医学工程技术研究所(简称“苏州医工所”)的研究团队创新开发了一种数字化单分子酶活性追踪平台(dSMAT),该技术结合深度学习与高通量数字微流控技术,可在15小时内精准追踪数千个分隔的单分子反应。
相关研究成果已经“AI-assisted digital single-molecule activity tracker for decoupling intrinsic heterogeneity from photo-oxidative damage in high-photon-flux enzymology”为题发表于近期的Advanced Science期刊。
该技术利用微米孔限域隔离单个DNA聚合酶滚环扩增反应,结合自研U-Net算法,校正漂移并精准提取降噪,基于对数千个单分子酶扩增动力学荧光斜率的15小时长效监测,定量表征酶催化速率、内在异质性与合成稳定性等关键功能特征参数。
图2 dSMAT基于深度学习的ROI提取方法
基于该dSMRT平台的单分子多参数定量检测,研究团队解耦了DNA聚合酶的内在异质性与光氧化损伤,并提出了酶的氧化瘢痕机制。研究发现在高光子通量下,反应体系产生活性氧并氧化酶的敏感氨基酸残基,使其展现出动力学受损的异质性展宽状态,这一状态可通过抗氧化缓冲体系协同得到改善。该创新工作突破传统酶学表征方法局限,在单分子尺度上为酶的精准评估与优化提供技术支撑。
图3 单分子phi29 DNA聚合酶中激光诱导氧化瘢痕化及动力学异质性变化
图4 在实时数字多重核酸检测分析研究中的研究基础
通过单分子实时测序的跨平台定量验证证实,dSMAT衍生的动力学指标(包括催化速率、异质性和时间稳定性),决定性地调控着测序读长的上限。该研究为合理设计光稳定分子马达建立了机制完善的生物物理框架,为提升基因组学和生物技术应用中的高光子通量酶学研究提供了通用策略。
论文链接:
http://doi.org/10.1002/advs.76238

延伸阅读:

《微流控技术及市场-2024版》

《即时诊断应用的生物传感器技术及市场-2022版》

《下一代测序(NGS)技术及市场-2026版》

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/198327