Labmedya - Laboratuvar ve Sağlık Gazetesi

Nicholas A. Kaplan, Jayson R. Sumabat, Jane V. McKelvey, Jeantine E. Lunshof, Jorge A. Marchand ve ekip arkadaşları, nanopore elektrik sinyallerinde doğal olmayan bazların bıraktığı izleri tanımak için sonradan uygulanan makine öğrenmesi sınıflandırıcıları eğitti. Ardından PCR ile çoğaltılmış veri kümelerinden kopyalama doğruluğunu hesapladı. Yaklaşım, yalnızca bir yapay baz kimyasına bağlı kalmadan farklı baz çiftleri, enzimler ve reaksiyon koşullarını karşılaştırmayı amaçlıyor.

Ekip üç ayrı doğal olmayan baz sistemi üzerinde yöntemi gösterdi. B≡S baz çifti için reaksiyon koşullarını hızlı tarayarak çevrim başına yüzde 98,6’nın üzerinde kopyalama doğruluğuna ulaştı. Sekiz harfli ATGCBSPZ sisteminde tek molekül düzeyinde kopyalama sonuçlarını takip etti. Hidrofobik Ds sisteminde ise birden fazla hata yolunu nicel olarak birbirinden ayırdı.

Nanopore yaklaşımının önemi, yapay bazları yalnızca var/yok biçiminde saptamak yerine hatanın hangi aşamada ve hangi yoldan oluştuğunu ölçebilmesi. Bu bilgi; polimeraz seçimi, reaksiyon sıcaklığı, tampon bileşimi ve baz kimyasının birlikte optimize edilmesini kolaylaştırabilir. Klasik toplu ölçümlerde birbirine karışan farklı hata türleri, tek molekül verisinde ayrıştırılabilir.

Çalışma, genişletilmiş genetik alfabelerin canlı sistemlerde güvenli ve kararlı biçimde kullanılabildiğini tek başına kanıtlamıyor. PCR temelli deneyler ve üç örnek sistem, yöntemin kapasitesini gösteren kontrollü doğrulamalar. Hücre içi uzun dönem kararlılık, biyogüvenlik, çapraz etkileşimler ve ölçek büyütme ayrı araştırmalar gerektiriyor. Makale erken erişimde, hakemli ve kalıcı DOI’ye sahip; son sürüm editöryal düzeltmelerle güncellenecek.

Kaynak: https://www.nature.com/articles/s41467-026-76964-9