《Analytica Chimica Acta》：Classification of DNA secondary structures by combining multiple spectral techniques with machine learning
编辑推荐：
DNA二级结构的综合光谱分析与机器学习分类研究。通过整合圆二色光谱（CD）、荧光光谱（FL）和热差光谱（TDS），结合主成分分析（PCA）降维和线性判别分析（LDA）、K最近邻（KNN）、支持向量机（SVM）三种机器学习方法，实现了对85条DNA序列（G4、iM和DS类）的95%分类准确率，证实多光谱融合与机器学习协同可显著提升DNA二级结构鉴定精度。
洪罗|顾通旭|张玉静|向晓轩|王浩|郭新华
吉林大学化学学院超分子结构与材料国家重点实验室，中国长春前进街2699号，130012
摘要
背景
识别结构特征是确定DNA二级结构及研究结构形成机制的重要前提。圆二色光谱（CD）、荧光光谱（FL）和温差光谱（TDS）已被用于监测DNA的二级结构，因为它们在操作简便性、检测速度和成本方面具有优势。然而，每种光谱方法在提供全面结构信息方面都存在局限性。因此，我们提出整合这三种光谱技术可以提高DNA二级结构的分类准确性——尽管迄今为止尚未有相关研究报道。
结果
在本研究中，通过机器学习（ML）提出了一种结合CD、FL和TDS的方法。首先使用主成分分析（PCA）来降低维度并便于数据分析，然后采用三种机器学习方法（线性判别分析（LDA）、K最近邻（KNN）和支持向量机（SVM）深入挖掘CD、FL和TDS光谱的结构相关信息。结合两步ML策略，85个DNA序列中有79个分别被正确分类为G4、iM和DS类型（分类准确率为0.95）。因此，我们通过结合CD、FL和TDS光谱实现了预测未知DNA二级结构的目标，并证明了三种光谱结合在DNA结构识别中的优越性。
意义
该方法显著优于单一光谱技术。因此，建立了一个简单、快速且成本效益高的光谱平台，用于直接和全面地识别DNA的二级结构。通过构建多光谱数据库并使用ML方法，最终可以实现未知DNA二级结构的准确和全面识别。
章节摘录
引言
除了双螺旋结构外，DNA还可以采取非典型的二级折叠结构[1]。一些例子包括G四链体（G4）、i基序（iM）等[[2], [3], [4]]。富含鸟嘌呤（G）的序列会形成G4构象。四个鸟嘌呤通过Hoogsteen氢键环状结合形成G四聚体，两个或多个G四聚体的堆叠形成G4结构。在G4结构中，需要一个阳离子（主要是K+和Na+）位于两个G四聚体之间，以减少氧原子之间的排斥并稳定结构
DNA二级结构的制备
高纯度寡核苷酸从Sangon Biotech有限公司（中国上海）购买。冻干粉末直接溶解在Milli-Q水中制备1 mM的储备溶液，然后储存在-18°C。为了形成DNA二级结构，寡核苷酸的工作溶液（100 μM）在pH 6.7的醋酸钾缓冲液中制备（iM则在pH 4.5的醋酸钾缓冲液中制备），而Z-DNA则在1M的氯化钠溶液中制备。随后进行DNA样品的处理不同DNA二级结构的CD、FL和TDS光谱比较
形成二级拓扑结构的85个DNA序列被分为三类：G4、iM和其他（DS和SS）。如引言中所述，每种DNA二级结构包含不同的拓扑构象，因此可以进一步划分为八个结构组。具体来说，G4组包含21个序列，包括7个反平行结构、7个杂合结构和7个平行结构；iM组包含32个序列结论
几十年来，CD、FL和TDS一直被用作监测DNA二级结构的工具。每种光谱技术都具有其独特的优势和内在特性。因此，我们假设结合这三种光谱技术可能会提高DNA二级结构的分类性能，但目前尚未有相关研究报道。大量DNA产生的各种二级结构的光谱复杂性
作者贡献声明
郭新华：撰写 – 审稿与编辑，监督，资金获取。向晓轩：验证，方法学。王浩：撰写 – 审稿与编辑，验证，软件使用，实验研究，资金获取。顾通旭：撰写 – 初稿，方法学，实验研究，正式分析，数据管理。张玉静：验证，方法学。洪罗：撰写 – 审稿与编辑，方法学，实验研究，正式分析，数据管理
利益冲突声明
? 作者声明他们没有已知的可能会影响本文工作的竞争性财务利益或个人关系。致谢
本工作得到了国家自然科学基金（U24A20365、52373264、21675060、52473325、21874054）、科学技术部的国家重点研发计划（2022YFA1503601）以及吉林省科技发展计划（20230101129JC）的财政支持。
