11月12日の発表と9日の論文公開を分ける
東京大学の上田宏生氏、鈴木勉氏らは、ナノポアで測る電流の特徴を深層学習で解析する手法を発表しました。ナノポアは分子が通過できる微小な孔です。大学発表は11月12日、原著論文の公開は9日で、新たな実験が12日に実施されたという意味ではありません。分類に加え、存在量と特定の化学修飾を調べる仕組みを組み合わせています。
塩基配列に直す前の電流を分類に使う
従来の解析には、RNAをDNAへ写し取る際に化学修飾が読み取りを妨げる問題があります。直接RNAを測る方式でも、電流を塩基配列に変換するときの誤りが、似たtRNAの識別を難しくします。論文の分類器は、その変換を介さず電流を入力する設計です。大腸菌を対象とした評価で48種類の分類精度98.2％を示し、種類が既知の分子を学習の基準にしています。
同じ量でも読み取られ方が違う問題を補正
大学発表によると、40種類を個別に精製し、極めて似た残り8種類を2種類ずつ4組にまとめ、44画分の試料を用意しました。画分は分離して回収した試料のまとまりです。これらを同じ分子数の割合で混ぜた標準を使い、種類ごとに異なる読み取り効率を補正します。分類の正確さと存在量の比較は別の課題であり、分類結果の数をそのまま分子の量とみなさない工夫です。
特定の修飾の検出を、全修飾の解読としない
論文は、特定の化学修飾を持つ分子と持たない分子を判別する分類器も示しています。今回の成果は対象を定めた解析で、あらゆる生物のtRNAや修飾を一度に読み切ったという報告ではありません。編集上の考察として、応用を評価する際は、生物種や試料の条件、学習に使う基準、量の補正方法をそろえて性能を確認する必要があります。