利用长读长测序和机器学习方法直接检测DNA替代构象

在活细胞中识别G-四链体（G4）及其他非经典（non-B）DNA结构的研究已取得进展。然而，这些实验一直受到方法学限制，包括分辨率和特异性较低，以及短读长测序技术固有的GC测序偏倚。直接、单分子和长读长技术有望弥补这些不足。在本研究中，我们考察了利用牛津纳米孔技术（Oxford Nanopore Technologies，ONT）长读长DNA测序检测G4及其他非B型DNA结构的可行性。我们将ONT测序应用于已知可在体外形成G4的寡核苷酸，以及来源于活细胞的DNA。这两类实验均采用高锰酸钾进行探测，该化学试剂优先氧化单链DNA（ssDNA）。我们确定，G4结构可以通过ONT测序分辨，并且G4基序的测序错误谱取决于G4最初的结构状态（通过体外实验确定）。 随后，我们将机器学习算法（逻辑回归、随机森林、XGBoost和一维卷积神经网络）应用于原始ONT测序电流数据。利用这些方法，我们能够以约90%的准确率判定某一测序读段是来源于处于G4构象还是B型构象的G4基序。此外，我们证明了可以使用ONT直接测序经高锰酸钾修饰的DNA，而对读长、产量和比对准确性的影响极小。我们得出结论：在ONT测序深度较高时，该方法能够在细胞中识别处于B型折叠状态与单链状态的DNA区域，而ssDNA经常存在于多种非B型DNA结构中。

在活细胞中鉴定 G-四链体（G4）及其他非经典（non-B）DNA 结构方面已经取得了进展。然而，这些实验一直受到方法学限制，包括分辨率和特异性较低，以及短读长测序技术固有的 GC 测序偏倚。直接、单分子和长读长技术有望弥补这些不足。在本研究中，我们考察了利用 Oxford Nanopore Technologies（ONT）的长读长 DNA 测序检测 G4 及其他非 B 型 DNA 结构的可行性。我们将 ONT 测序应用于已知可在体外形成 G4 的寡核苷酸，以及来源于活细胞的 DNA。这两类实验均采用高锰酸钾进行探测，这是一种优先氧化单链 DNA（ssDNA）的化学试剂。我们确定，G4 结构可通过 ONT 测序加以分辨，并且 G4 基序的测序错误特征依赖于 G4 的原始结构状态（如体外测定所示）。

随后，我们将机器学习算法（逻辑回归、随机森林、XGBoost 和一维卷积神经网络）应用于原始 ONT 测序电流数据。利用这些方法，我们能够以约 90% 的准确率判断某条测序读段是否来源于处于 G4 构象而非 B 型构象的 G4 基序。此外，我们证明了可以使用 ONT 直接测序经高锰酸钾修饰的 DNA，且对读长、产量和比对准确性的影响极小。我们得出结论：在 ONT 测序深度较高的情况下，该方法能够鉴定细胞中处于 B 型折叠状态与单链状态的 DNA 区域，而 ssDNA 经常存在于多种非 B 型 DNA 结构中。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.17.739277v1?rss=1

🏷️ 长读长测序 牛津纳米孔测序 G-四链体 非B型DNA结构 机器学习 DNA构象检测