文献

J-GLOBAL ID：202202289546602052   整理番号：22A0706572

機械学習と近赤外蛍光分光法によるセロトニンのためのDNA-カーボンナノチューブセンサの発見【JST・京大機械翻訳】

Discovery of DNA-Carbon Nanotube Sensors for Serotonin with Machine Learning and Near-infrared Fluorescence Spectroscopy

著者 (11件)： Kelich Payam (Department of Chemistry and Biochemistry, University of Texas at El Paso, Texas, United States) ,  Jeong Sanghwa (School of Convergence Engineering, Pusan National University, South Korea) ,  Navarro Nicole (Department of Chemical and Biomolecular Engineering, University of California, California, United States) ,  Adams Jaquesta (Department of Chemical and Biomolecular Engineering, University of California, California, United States) ,  Sun Xiaoqi (Department of Chemical and Biomolecular Engineering, University of California, California, United States) ,  Zhao Huanhuan (Bioinformatics Program, University of Texas at El Paso, Texas, United States) ,  Landry Markita P. (Department of Chemical and Biomolecular Engineering, University of California, California, United States) ,  Landry Markita P. (California Institute for Quantitative Biosciences, QB3, University of California, California, United States) ,  Landry Markita P. (Innovative Genomics Institute, California, United States) ,  Landry Markita P. (Chan-Zuckerberg Biohub, California, United States) ,  Vukovic Lela (Department of Chemistry and Biochemistry, University of Texas at El Paso, Texas, United States)
資料名： ACS Nano  (ACS Nano)
巻： 16  号： 1  ページ： 736-745  発行年： 2022年 
JST資料番号： W2326A  ISSN： 1936-0851  CODEN： ANCAC3  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で包まれた単層カーボンナノチューブ(SWNT)複合体は,バイオセンシングおよびイメージング応用におけるそれらの使用につながる明確な光学特性を有する。DNA-SWNTセンサの開発における限界は,これらのセンサに対する強い分析物特異的光学応答を与えるユニークなDNA配列を予測する現在の不安定性である。ここでは,約1010のユニークなDNA-SWNT候補のプールから開始する選択的進化プロトコルにより狭くなった~100DNA-SWNT複合体に対する近赤外(nIR)蛍光応答データセットを用いて,神経伝達物質セロトニンに対する強い光学応答を有するDNA配列を予測する機械学習(ML)モデルを訓練した。最初に,畳み込みニューラルネットワーク(CNN)に基づく分類器モデルを配列特徴で訓練し,DNAリガンドを高応答またはセロトニンに対する低応答として分類した。第2に,サポートベクトルマシン(SVM)回帰モデルを訓練し,DNA配列の相対的光学応答値を予測した。最後に,著者らは,最高品質ニューラルネットワーク分類器(畳込みまたは人工)のアンサンブルの予測を統合する検証実験およびSVM回帰モデルが,高および低応答シーケンスの両方の最良の予測を導くことを実証した。著者らのMLアプローチにより,以前に得られたよりもセロトニンに対してより高い蛍光強度応答を有する5つのDNA-SWNTセンサを発見した。全体として,有用なDNA配列を予測することを示したMLアプローチは,DNAに基づくセンサとナノバイオテクノロジーの発見に使用できる。Copyright 2022 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： *蛍光 ,  畳込み ,  ニューラルネットワーク ,  *DNA【核酸】 ,  ヌクレオチド配列 ,  画像処理 ,  複合体 ,  *近赤外線 ,  回帰モデル ,  バイオセンサ ,  *機械学習 ,  単層カーボンナノチューブ ,  サポートベクトルマシン ,  窒素複素環化合物 ,  フェノール類 ,  芳香族縮合化合物 ,  第一アミン
準シソーラス用語： DNA配列 , 【Automatic Indexing@JST】

著者キーワード (5件)： 単層カーボンナノチューブ ,  DNA-ナノチューブ複合体 ,  光学センサ ,  セロトニン ,  機械学習

分類 (1件)： 核酸一般  (EB04010U)

物質索引 (1件)： セロトニン

タイトルに関連する用語 (6件)： 機械学習 ,  近赤外蛍光 ,  分光法 ,  セロトニン ,  DNA ,  発見