In het meinummer van PLOS Computational Biology , wetenschappers van UC San Diego en de Universiteit van Notre Dame rapporteren over een onderzoek dat het veld zou kunnen openen voor op nanoporiën gebaseerde eiwitidentificatie - en uiteindelijk proteomische profilering van grote aantallen eiwitten in complexe mengsels van verschillende soorten moleculen.

Volgens Pavel Pevzner, professor computerwetenschappen en techniek aan de UC San Diego, senior auteur op het papier, de nieuwe benadering identificeert eiwitten door de verschillende elektrische signalen te analyseren die worden geproduceerd wanneer de moleculen door een nanoporie gaan (die werkt als een zeef). In theorie, zei Pevzner, nanoporiën zouden onderzoekers in staat kunnen stellen grote aantallen eiwitten in complexe mengsels te karakteriseren.

Hoewel nanoporiën buitengewoon goed werken bij het analyseren van afzonderlijke moleculen, ze zijn minder effectief bij het karakteriseren van grote aantallen eiwitten in complexe mengsels. Als resultaat, de momenteel geprefereerde benadering voor het screenen van complexe mengsels omvat het gebruik van andere technieken, met name massaspectrometrie. (Pevzner en professoren computerwetenschappen Vineet Bafna en Nuno Bandeira zijn hoofdonderzoekers van het door de NIH gefinancierde Center for Computational Mass Spectrometry aan de UC San Diego.)

Nog in 2016, toonaangevende ontwikkelaars van nanoporiën waren pessimistisch over het kunnen toepassen van nanoporiën op grootschalige eiwitprofilering op korte termijn. "We zijn er op dit moment niet eens in de buurt, "Hagan Bayley, mede-oprichter van Oxford Nanopore, vertelde GenomeWeb, eraan toevoegend dat hij "niet zou zeggen dat het een onmogelijk doel is, maar het is een beetje een strekking."

UC San Diego's Pevzner, echter, gelooft dat een doorbraak nabij is. "De sleutel is om machine learning te gebruiken om informatie te analyseren die wordt gegenereerd door eiwitten wanneer ze zich verplaatsen door een nanoporie, " zei Pevzner. "Door machine learning-technieken toe te passen, we waren in staat om verschillende signalen te identificeren die zouden kunnen leiden tot grootschalige analyse van nanoporiën-eiwitten."

In een interview met GenomeWeb, Pevzner zegt dat, vroegtijdig, de obstakels leken onoverkomelijk. "De gegevens waren zo luidruchtig dat we bijna dachten dat we het moesten opgeven, "legde hij uit. "Ik werk nu al bijna 10 jaar aan top-down massaspectrometrie, en in vergelijking met eiwitidentificatie door top-down massaspectrometrie, dat inmiddels bijna een volwassen gebied is, het leek erop dat er geen hoop was dat nanoporiën een vergelijkbaar signaal zouden kunnen produceren."

Vervolgens, toen de onderzoekers een willekeurig bosanalyse-instrument van machine learning op het probleem toepasten, alles veranderde. herinnerde aan Michail Kolmogorov, een afgestudeerde student in het lab van Pevzner:"Plotseling, de structuur van het signaal ontstond."

Zoals vermeld in de PLOS-paper, de onderzoekers stellen dat "de huidige technologie al voldoende is om nanospectra te vergelijken met kleine eiwitdatabases, bijv. eiwitidentificatie in bacteriële proteomen."