文献

J-GLOBAL ID：202002268466429052   整理番号：20A2041259

スパース学習によるDNAコード化ライブラリスクリーンの雑音除去【JST・京大機械翻訳】

Denoising DNA Encoded Library Screens with Sparse Learning

著者 (2件)： Komar Peter (Totient, Inc., Massachusetts, United States) ,  Kalinic Marko (Totient, Inc., Serbia)
資料名： ACS Combinatorial Science  (ACS Combinatorial Science)
巻： 22  号： 8  ページ： 410-421  発行年： 2020年 
JST資料番号： W1756A  ISSN： 2156-8952  CODEN： ACSCCC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： DNAコードライブラリー(DELs)は,全てのライブラリーメンバーが完全な合成履歴をコードするDNAの伸長に付着している化合物の大規模でプールされた収集である。DELに基づくヒット発見は,関心のある蛋白質に対するライブラリーの親和性選択を含み,標的により保持された化合物は,対応するDNAタグの次世代配列決定により同定された。得られたデータを解析すると,配列出力(即ち,読取数)は与えられた化合物の結合親和性に比例し,従って,ヒット優先順位付けと基礎となる構造-活性相関(SAR)の解明を可能にする。しかし,この仮定は,様々な反応収率,それらの意図した対応物としての不完全な生成物マスクレージングの存在,および配列ノイズを含む多数の因子によってひどく混乱する傾向がある。実際に,これらの交絡因子はしばしば無視され,低いヒット検証率に寄与し,普遍的に貴重な情報の損失につながる。この問題に取り組むために,DEL選択出力を包括的に雑音除去する方法を開発した。著者らの方法,dubbed「deldeノイズr」は,スパース学習に基づき,DEL生成とスクリーニングワークフローの中で通常利用可能な入力を利用する。模擬および公的に利用可能なDEL親和性選択データを用いて,”deldeノイズr”は,読取計数ベース手法よりも,真の結合体をはるかにロバストに回復およびランク付けできるだけでなく,また,それは,基礎となるSARを正確に捉えるスコアを生成することを示した。したがって,提案方法は,DELスクリーン後のヒット優先順位付けにおいて,著しい有用性がある。Copyright 2020 American Chemical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *雑音 ,  *学習 ,  *スクリーン ,  *DNA【核酸】 ,  構造活性相関 ,  タンパク質 ,  親和性 ,  等級づけ ,  スクリーニング ,  ロバスト性 ,  機械学習 ,  ワークフロー ,  *雑音除去
準シソーラス用語： 結合親和性 ,  性淘汰 , 【Automatic Indexing@JST】

著者キーワード (5件)： DNAコード化ライブラリー ,  親和性選択 ,  雑音除去 ,  スパース推論 ,  機械学習

分類 (3件)： ヌクレオシド,ヌクレオチド  (CF10060K) ,  有機化学一般  (CF01000Y) ,  白金族元素の錯体  (CE01100E)

タイトルに関連する用語 (5件)： 学習 ,  DNA ,  ライブラリ ,  スクリーン ,  雑音除去