基于机器学习的LAMP引物设计优化与实验成功预测

《Scientific Reports》：Multi-feature classification to improve colorimetric loop-mediated isothermal amplification fidelity

　　摘要环介导等温扩增（LAMP）是一种成本效益高且便携的核酸检测诊断技术，可用于现场检测，但其推广受到设计和重现性问题的限制。这源于复杂的引物设计过程，需要在6-8个结合区域间精细调整参数。实验成功的可能性取决于满足热力学和二级结构约束，同时保持靶标特异性并避免多个引物之间的重叠。NEB? LAMP引物设计工具、PREMIER Biosoft LAMP设计器、Primer3、PCR特征侵蚀工具（PSET）和PrimerExplorer等软件使研究人员能够实现该任务的自动化。然而，根据我们的经验，这些程序在实验室测试中有时会产出不一致的结果。我们的方法使用来自成功实验和失败实验的、针对不同生物体的引物组，训练多个机器学习（ML）模型，以确定显著特征并在订购引物组之前改进预测。文献综述产生了初始引物组列表（n = 116），然后根据参考模板可用性进行筛选，以确定其FIP/BIP组分（F2/F1c和B1c/B2）。进一步筛选移除了任何共有引物的实验，以确保交叉验证期间的样本独立性。最终训练集（n = 101）包括来源于综述收集的引物（n = 71）和使用PSET内部设计的引物（n = 30）的序列和热力学特征。为消除对任意正向和反向标签的依赖，对每个引物对计算了每个特征的最小值和最大值。失败的实验很难从出版物中获取，因此我们提供了自己的（n = 22）。使用WEKA实验工具，基于决策树和贝叶斯学习算法创建模型，采用了一种实验方案，执行参数网格搜索、带种子的重复实验、特征选择和交叉验证，同时避免数据泄露并输出日志用于模型比较、特征分析和过拟合评估。与内环引物（F1c/B1c）相关的热力学特征根据信息增益、类别相关性和基于模型的特征排名之间的共识，持续出现在最高排名中。对于分类，所有非基线模型在统计上是等价的。表现最好的模型J48实现了0.92（± 0.02）和0.80（± 0.08）的TP和TN率，同时Cohen's kappa系数和F分数值分别为0.70（± 0.07）和0.93（± 0.01）。本工作强调如何从一个小而不平衡的训练集构建实用模型，该训练集纳入了阴性研究结果，需要更多此类结果以改进泛化能力并优化对实验成功至关重要的参数。