Automated Model-Free Sorting of Single-Molecule Fluorescence Events Using a Deep Learning Based Hidden-State Model

要約

単一分子蛍光アッセイにより、生体分子ダイナミクスの高解像度分析が可能になりますが、従来の分析パイプラインは労働集約的であり、ユーザーの経験に依存しており、スケーラビリティと再現性を制限しています。
最近のディープラーニングモデルには、データ処理の自動化された側面がありますが、多くの人は依然として手動のしきい値、複雑なアーキテクチャ、または広範なラベル付きデータを必要としています。
したがって、TRACE分類、状態割り当て、およびユーザー入力を必要としない自動並べ替えのための完全に合理化されたアーキテクチャであるDashを提示します。
Dashは、CAS12Aを介したDNA切断などの平衡および非平衡システムの両方で、ユーザー間の堅牢なパフォーマンスと実験条件を示します。
このペーパーでは、単一分子蛍光イベントの自動で詳細な並べ替えに関する新しい戦略を提案します。
CAS12Aの動的切断プロセスは、包括的な分析を提供するための例として使用されます。
このアプローチは、単一分子レベルで生体発生的な構造変化を研究するために重要です。

要約(オリジナル)

Single-molecule fluorescence assays enable high-resolution analysis of biomolecular dynamics, but traditional analysis pipelines are labor-intensive and rely on users’ experience, limiting scalability and reproducibility. Recent deep learning models have automated aspects of data processing, yet many still require manual thresholds, complex architectures, or extensive labeled data. Therefore, we present DASH, a fully streamlined architecture for trace classification, state assignment, and automatic sorting that requires no user input. DASH demonstrates robust performance across users and experimental conditions both in equilibrium and non-equilibrium systems such as Cas12a-mediated DNA cleavage. This paper proposes a novel strategy for the automatic and detailed sorting of single-molecule fluorescence events. The dynamic cleavage process of Cas12a is used as an example to provide a comprehensive analysis. This approach is crucial for studying biokinetic structural changes at the single-molecule level.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google