Распознаватель ошибок при чтении ДНК создали химики МГУ
Ученые научно-исследовательского вычислительного центра и химического факультета МГУ в рамках Научно-образовательной школы МГУ «Мозг, когнитивные системы и искусственный интеллект» разработали программу NanoporeInspect – интерактивный веб-сервис для оценки качества лигирования в данных нанопорового секвенирования, контролирующий качество нанопорового секвенирования.
Нанопоровое секвенирование стало одним из самых перспективных методов анализа нуклеиновых кислот. Его главное преимущество — возможность считывать очень длинные цепочки ДНК и РНК, включая модифицированные основания. Это особенно важно для таких областей, как поиск аптамеров — коротких молекул ДНК или РНК, способных с высокой точностью связываться с конкретными мишенями и применяемых, например, в диагностике и биомедицине.
Однако у технологии есть и слабое место. Чтобы эксперимент удался, исследователям приходится «приклеивать» к исследуемым молекулам искусственные последовательности: адаптеры, праймеры и баркоды. Они выполняют роль служебных меток — помогают системе распознавать и различать образцы. Но если эти элементы присоединились неправильно, качество данных резко падает: библиотека становится «шумной», а часть ценной информации теряется.
До недавнего времени биологам приходилось работать практически вслепую: существующие инструменты контроля качества секвенирования почти не позволяли детально анализировать, насколько корректно сработала стадия лигирования (присоединения служебных последовательностей). Новая разработка ученых МГУ смогла решить эту проблему.
«Программа NanoporeInspect позволяет указывать нужные искусственные последовательности и видеть их распределение по прочитанным фрагментам, – рассказала один из авторов работы, ведущий специалист лаборатории математического моделирования НИВЦ МГУ Мария Григорьева. – Если адаптеры или баркоды прикреплены неровно, с ошибками или встречаются слишком редко, это сразу заметно на интерактивных графиках».
Приложение написано на Python и работает через веб-интерфейс. На вход подается файл с результатами нанопорового секвенирования и указываются используемые искусственные последовательности. NanoporeInspect определяет позиции вхождения всех этих последовательностей в каждой длинной последовательности входного файла с использованием специальных алгоритмов. На основе полученных индексов строятся графики распределения.
Для визуализации используется Plotly, поэтому графики интерактивны: можно увеличивать отдельные участки. Чтобы справляться с большими объёмами данных, NanoporeInspect применяет систему асинхронной обработки задач (Celery и Redis), благодаря чему анализ может идти в фоне, не перегружая сервер. Кроме того, приложение позволяет использовать различные методики сглаживания данных в случае, когда они сильно зашумлены (например, если позиции искусственных последовательностей распределены неравномерно).
«В итоге исследователь получает не сухие цифры, а наглядные диаграммы: где именно стоят адаптеры, как распределены баркоды, не теряются ли определённые последовательности», – подчеркнула соавтор работы, профессор кафедры химии природных соединений химического факультета МГУ Мария Зверева.
NanoporeInspect использует интеллектуальные методы поиска пиков в данных для отыскания наиболее характерных индексов вхождения искусственных последовательностей, выдавая результат в виде таблиц.
Программа открывает новые возможности для контроля и оптимизации экспериментов. Среди ключевых задач:
Контроль лигирования — выявление ошибок в присоединении адаптеров и праймеров.
Поиск систематических ошибок — например, остаточных адаптеров от прошлых запусков.
Оптимизация протоколов — подсказки, как улучшить качество данных и повысить надёжность всего эксперимента.
Особое значение инструмент имеет в области SELEX-экспериментов, где с помощью многократного отбора и усиления ищут аптамеры с наилучшими свойствами связывания. В таких исследованиях точность критична: одна ошибка на стадии подготовки библиотеки может привести к потере уникальной последовательности.
Таким способом новый инструмент позволяет буквально «увидеть» качество библиотеки ещё до того, как начнётся трудоёмкий анализ биологического содержания данных. А это порой критически важно, поскольку качество результата всегда начинается с качества данных.
Информация предоставлена пресс-службой МГУ
Источник фото: PublicDomainPictures / Pixabay
Разместила: Наталья Сафронова