İçeriğe geç
TeknoShow
RSS
Biyoteknoloji

Mitokondriyal RNA Aptamer Adaylarının SELEX-Yönlendirmeli Oluşturulması ve Önceliklendirilmesi İçin Geri Bildirim-MitAptamerGAN

Mitokondriyal RNA aptamerlerinin tasarımı, deneysel olarak zenginleştirilmiş dizi örüntülerini ölçülebilir bağlanma özelliklerine sahip yeni adaylara…

X’te paylaş Facebook
Mitokondriyal RNA Aptamer Adaylarının SELEX-Yönlendirmeli Oluşturulması ve Önceliklendirilmesi İçin Geri Bildirim-MitAptamerGAN

Özet

Arka Plan:

Mitokondriyal RNA aptamerlerinin tasarımı, deneysel olarak zenginleştirilmiş dizi örüntülerini ölçülebilir bağlanma özelliklerine sahip yeni adaylara dönüştürmenin bir yolunu gerektirir.

Yöntemler:

Wasserstein üretken adversel ağını, ERNIE-RNA temsilleri ve RNAfold özelliklerini birleştiren bir değerlendiriciyle eşleştiren Feedback-MitAptamerGAN’ı geliştirdik. Model, üç yayımlanmış aptamerden ve HEK293 türevli mitokondriler karşıtı üç seçme turundan sonra elde edilen 20.000 benzersiz diziden oluşan başlangıç kaynağından yararlanıyor. Ayrı bir değerlendirici, aday üretimi yönlendirmek için sonraki turlardaki SELEX dizileri de dahil olmak üzere sürekli kaynak temelli hedefleri kullanıyor.

Sonuçlar:

Üç eşleştirilmiş deneysel grup boyunca, tam model kütüphanesi her turda en düşük ortalama döngü eşiğini korudu ve 6. turda 14,37 ± 0,20’ye ulaştı; bu değer, eksik model kütüphaneleri için 16,93–18,45 ve rastgele kütüphane için 28,83 ± 0,17 idi. Değerler, bağımsız olarak hazırlanan ve her biri teknik üçlü tekrarlarla ölçülen seçme denemeleri boyunca ortalama ± örneklem standart sapmasıdır. BLI ile seçilen bir kontrol noktasında, yüksek puanlı on adayın ortalama görünür ayrışma sabiti 59,06 nominal nM iken, daha düşük puanlı on aday için bu değer 8.330,37 nominal nM idi; bu sonuçlar her dizi için üç bağımsız deneye dayanmaktadır. MitApt-A02 çekme materyali VDAC1 içeriyordu.

Sonuç:

Bu sonuçlar birlikte, geri bildirim yönlendirmeli mitokondriyal RNA aptamer adaylarının üretimi ve önceliklendirilmesini desteklemektedir.

1 Giriş

RNA aptamerleri, diziye bağlı katlanma yoluyla moleküler hedefleri tanır; bu da onları karmaşık biyolojik yüzeylere bağlanmak için uygun adaylar haline getirir. Mitokondri tabanlı seçme, organel ile ilişkili tanıma bölgelerine erişim sağlar, ancak deneysel testler için yeni dizilerin seçilmesi temel bir tasarım zorluğu olmaya devam etmektedir. Geleneksel aptamer keşfi, çeşitli kütüphanelerden bağlanan dizileri zenginleştirmek için tekrarlanan seçme, geri kazanım ve amplifikasyon kullanır (Tuerk ve Gold, 1990; Ellington ve Szostak, 1990). Bu zenginleştirmeden öğrenen bir üretken model, aday keşfini seçme yoluyla elde edilen dizilerin ötesine taşıyabilir.

Mitokondriyal aptamer çalışmaları bu yaklaşım için bir temel oluşturmuştur. Tawaraya ve arkadaşları (2014), Mitomer1, Mitomer2 ve kısaltılmış bir Mitomer2 türevi de dahil olmak üzere mitokondriye bağlanan RNA’ları tanımlarken, Kolesnikova ve arkadaşları (2010) mitokondri içine alınmak üzere RNA’ları seçmiştir. Bu çalışmalar farklı biyolojik hedeflere odaklanmaktadır. Burada, RNA’nın mitokondri preparatlarıyla ilişkisine odaklanıyor ve bağlanmayı, üretilen adayları değerlendirmek için deneysel bir hedef olarak kullanıyoruz.

SELEX’ten elde edilen dizi havuzları, üretken tasarım için pratik bir eğitim örneği kaynağı sunar. Dağılımları, seçme ve amplifikasyonu yansıtarak dizi örüntülerini öğrenmek için zenginleştirmeye dayalı denetim sağlar (Zimmermann ve arkadaşları, 2010; Takahashi ve arkadaşları, 2016). Makine öğrenimi, DNA aptamerlerini iyileştirmek için afiniteye göre ayrıştırılmış seçme verilerini kullanmıştır (Bashir ve arkadaşları, 2021) ve RaptGen, dizilenmiş havuzda bulunmayan aptamerleri önermek için bir varyasyonel otokodlayıcı kullanmıştır (Iwano ve arkadaşları, 2022). Bu gelişmeler tamamlayıcı bir soruyu gündeme getiriyor: Mitokondriyal zenginleştirme verileriyle eğitilen bir model, sıralaması sonraki bağlanma ölçümleriyle desteklenen adaylar üretebilir mi?

Değerlendirici yönlendirmeli geri bildirim, bu aramayı yönlendirmek için bir mekanizma sunar. Gradyan cezalı Wasserstein formülasyonu, adversel eğitimi düzenler (Gulrajani ve arkadaşları, 2017) ve Feedback GAN, harici bir değerlendiricinin sentetik gen üretimini istenen protein özelliklerine nasıl yönlendirebileceğini göstermiştir (Gupta ve Zou, 2019). Mitokondriyal RNA tasarımı için bu ilke, dizi üretimini göreve özgü bir sıralama sinyaliyle birleştirir ve laboratuvar ölçümleri adayların bağlanmasını deneysel olarak değerlendirir.

Bu sıralama sinyalini, birbirini tamamlayan RNA özelliklerinden oluşturuyoruz. ERNIE-RNA, aşağı akış tahmin görevleri için yapıya duyarlı dizi temsilleri sağlarken (Yin ve arkadaşları, 2025), RNAfold tahmini ikincil yapıları ve termodinamik tanımlayıcıları sunar (Lorenz ve arkadaşları, 2011). Bu girdileri entegre etmek, değerlendiricinin geri bildirim için adayları seçerken hem öğrenilmiş dizi bilgilerini hem de açık katlanma özelliklerini kullanmasına olanak tanır.

Feedback-MitAptamerGAN, bu değerlendiriciyi SELEX’ten elde edilen bir dizi kaynağı ve üretken eğitim havuzuna yapılan geri bildirim güncellemeleriyle birleştirir. Yaklaşımı iki deneysel ölçekte değerlendiriyoruz: altı turluk seçme, tam model, eksik model ve rastgele kütüphaneleri karşılaştırırken, biyo-katman interferometrisi (BLI) bireysel olarak sıralanmış adayların bağlanmasını ölçer. Tam model kütüphanesi altı turun tamamında en düşük ortalama Ct’yi korurken, yüksek puanlı BLI paneli 50,87–71,70 nominal nM arasında görünür ayrışma sabitleri gösterdi. Bu sonuçlar birlikte, hesapsal tasarım stratejisini deneysel olarak ölçülen mitokondriyal ilişkilendirmeye bağlar.

2 Malzemeler ve yöntemler

2.1 Deneysel dizi kaynağı ve literatür referans aptamerleri

10.000.000 zincir içeren başlangıç kütüphanesi, HEK293 hücrelerinden izole edilen mitokondriler karşıtı üç zenginleştirme turundan geçti. Üçüncü tur materyalinin dizilenmesi ve benzersizleştirilmesi, üretken eğitim için başlangıçtaki pozitif dizi kaynağını tanımlayan 20.000 benzersiz diziyle sonuçlandı.

Mitomer1, Mitomer2 ve kısa Mitomer2 literatür referansları olarak dahil edildi (Tawaraya ve arkadaşları, 2014). Bu aptamerler, sıçan karaciğeri mitokondrileri ve florine edilmiş RNA kullanılarak yapılan seçimlerden elde edilmiştir. Ek Tablo S1’de bunların RNA notasyonundaki dizileri listelenmiştir. HEK293 türevli havuzla birlikte, kaynaklar arası benzersizleştirme öncesinde 20.003 kaynak girişi oluştururlar. Kısa Mitomer2, aynı referans ailesindeki Mitomer2’nin bir türevidir.

Uzunluklar, Tawaraya ve arkadaşları (2014) tarafından basılan dizilerden sayıldı.

2.2 Dizi etiketleri ve veri bölümlendirme

Değerlendirici, sürekli kaynak temelli hedefler kullanır. Literatür referansları 1,00 hedefi alırken, mitokondriyal SELEX’in 6., 7. ve 8. turları sırasıyla 8.000, 5.000 ve 2.000 filtrelenmiş dizi ile 0,85, 0,90 ve 0,95 hedefleri sağlar. Arka plan, pozitif kaynak uzunluk dağılımıyla eşleştirilmiş 20.000 hesapsal olarak üretilmiş rastgele RNA ve altı turluk mitokondri dışı seçimden elde edilen 20.000 RNA’dan oluşur. Hedefleri, eğitimden önce sırasıyla 0,50–0,80 ve 0,20–0,50 aralıklarından örnekleme yoluyla atanır. CD-HIT-EST ön işleme -c 0,95 -n 10 -G 1 -aS 0,9 -d 0 -T 8 -M 0. Literatür referansları toplamda pozitif kaynak eğitim ağırlığının %15’ini, SELEX’ten elde edilen örnekler ise %85’ini oluşturur. Bu hedefler seçme kökenini kodlar; adayların bağlanması BLI ile değerlendirilir.

Pozitif kaynak ağırlığı Lpos=0.15Eref[l]+0.85ESELEX[l]Lpos=0.15 Erefl+0.85 ESELEXl olarak ifade edilir; burada ℓ ilgili dizi başına eğitim katkısını belirtir ve her bir beklenti kendi kaynak grubu içinde normalleştirilir.

Nominal eğitim, doğrulama ve test oranları sırasıyla %80, %10 ve %10’dur ve her üç literatür referansı da eğitime atanmıştır. Her veri kümesi oluşturulurken tam dizi kopyaları kaldırıldı. Başlangıç SELEX alt kümesi 20.000 benzersiz dizi içerir ve bunlar eğitim/doğrulama/test için 15.991/1.995/2.014 olarak dağıtılmıştır. Ek Tablo S7, bu sayıları arşivlenmiş bölümlendirme dosyasındaki 22.000 satırdan ayırır. Hiçbir tam dizi veya küme tanımlayıcısı bölümler arasında geçiş yapmaz. Bölümlendirme atamaları, en yakın komşu özeti ve AUROC değerlendirmesi için kullanıldı. 6.–8. turlar, ayrı bir geç tur kümesi olmadan eğitim dizileri sağlar; bu nedenle test AUROC’sü bağımsız geç tur dizi ailelerini değerlendirmez. Her arka plan kaynağı ayrı olarak rastgele bölümlendirilir ve ardından ilgili bölümler birleştirilir. Açgözlü kümeleme ≤ 8 Hamming mesafesi eşiğini kullandı; Ek Tablo S7, bölümler arası ilişkiliyi raporlar (Joeres ve arkadaşları, 2025).

2.3 Üretken model

Feedback-MitAptamerGAN; bir üreteç, WGAN-GP eleştirmeni (Ayırt edici), ayrı bir yumuşak-etiketli değerlendirici (Sınıflandırıcı modülü) ve geri bildirim mekanizmasından oluşur (Şekil 1). Üreteç, 100 boyutlu bir Gauss gizli vektörünü konuma özgü kategorik olasılıklara eşler. 256, 512 ve 1.024 birimlik yoğun katmanlar, düzeltilmiş doğrusal aktivasyon ve toplu normalleştirme kullanır; ardından bir dizi çıktı katmanı gelir. Eleştirmen, kodlanmış dizileri 1.024, 512 ve 256 birimlik yoğun katmanlar aracılığıyla işler; sızdıran düzeltilmiş doğrusal aktivasyon kullanır ve üretimi pozitif aptamer dağılımına yönlendiren sürekli bir skor üretir.

Diziler {A, C, G, U, Z} alfabesini kullanır; burada Z son veya dolgu sembolünü belirtir. Üreteç 70 × 5’lik bir dizi çıktı verir ve RNA dizisini elde etmek için kod çözme ilk Z’de sonlanır. Eleştirmen, düzleştirilmiş 350 boyutlu kodlamaları alır. Gerçek bir-hot ve üretilmiş yumuşak olasılık matrisleri arasında gradyan-cezalı interpolasyon gerçekleştirilir; burada terminal Z dolgusu maskelenmeden dahil edilir.

Eleştirmenin hedef fonksiyonu WGAN-GP formülasyonunu takip eder (Gulrajani ve diğerleri, 2017):

L

D

=

E

[

D

(

G

(

z

)

)

]

−

E

[

D

(

x

)

]

+

λ

G

P

E

[

(

∥

∇

ˆ

x

D

(

ˆ

x

)

∥

−

)

]

L

D

=

E

D

G

z

−

E

D

x

+

λ

G

P

 

E

∇

x

̂

 

D

x

̂

2

−

1

2

Burada x pozitif bir eğitim dizisini, z bir gizli örneği ve x̂ ise pozitif eğitim ile üretilmiş kodlamalar arasındaki bir interpolasyonu belirtir. Üretecin adversarial kaybı L_G = −E [D (G(z))]’dir. Eğitimde 128’lik gruplar, 100–150 başlangıç dönemi, her üreteç güncellemesi başına beş eleştirmen güncellemesi ve λ_GP = 10 kullanılır. Eleştirmen RMSProp (öğrenme oranı 5 × 10−5, α = 0.5); üreteç ise Adam (10–4, β1 = 0.5, β2 = 0.9) kullanır.

2.4 RNA değerlendirme ve sınıflandırma başlığı

Değerlendirici, ERNIE-RNA dizi temsillerini RNAfold’dan elde edilen yapısal ve termodinamik tanımlayıcılarla birleştirir. Sınıflandırıcı modülü, adayların sıralanması için sıfır ile bir arasında bir değerlendirici skoru s(x) üretir. Geri bildirim, arka plan hedef aralığının üzerinde ve geç dönem mitokondriyal SELEX hedeflerinin altında kalan s(x) > 0.8 olanları seçer. Rapor edilen doğruluk, kesinlik, duyarlılık ve F1 için tahmin eşiği 0.5’tir. Skor, adayların sıralanmasına rehberlik eder; görünür bağlanma parametreleri BLI ile ölçülür.

ERNIE-RNA, yapıya duyarlı RNA temsillerini sağlar (Yin ve diğerleri, 2025). 1.–6. katmanlar dondurulmuş, 7.–12. katmanlar ise ince ayarlanmıştır; 768 boyutlu 12. katmanın CLS temsili kullanılmıştır. RNAfold (ViennaRNA 2.6.4), 37 °C’de, varsayılan Turner RNA parametreleriyle ve psödo-düğüm tahmini olmadan çalıştırılmıştır (Lorenz ve diğerleri, 2011). Yapısal özellikler arasında MFE, nokta-parantez bir-hot kodlaması, bir baz-eşleşme matrisi ve yapısal tanımlayıcılar bulunur; bu da d_RNAfold = 5.119 değerini verir (Ek Tablo S10). Sınıflandırıcı başlığı şu şekildedir: Linear (5.887, 256) → ReLU → Dropout (0.3) → Linear (256, 64) → ReLU → Dropout (0.2) → Linear (64, 1).

Sınıflandırıcı eğitimi, sürekli hedeflerle ikili çapraz entropi ve Adam (β1 = 0.9, β2 = 0.999) kullanır; dondurulmamış ERNIE-RNA katmanları için öğrenme oranı 10–5, sınıflandırma başlığı için ise 10–4’tür. Değerlendirici kontrol noktaları, doğrulama verileri kullanılarak seçilir. Doğruluk, kesinlik, duyarlılık, F1 skoru ve AUROC, kaynak-etiket ayrımını özetler. Ek Not 1, metrik tanımlarını ve rapor edilen değerlendirme özetlerini içerir.

2.5 Geri bildirim seçimi ve parametre araması

Üretilen diziler puanlanır ve s(x) > 0.8 olan adaylar, üretecin eğitim havuzunu güncellemek için seçilir. Bu seçim-ve-yeniden-eğitim şeması, değerlendirici rehberliğindeki geri bildirim üretiminin genel ilkesini takip eder (Gupta ve Zou, 2019). Seçilen diziler, RNAfold veya ayrık dizi kod çözümü üzerinden gradyan gerektirmeden sonraki eğitimleri etkiler. Geri bildirim, önceden belirlenmiş toplam eğitim iterasyonlarının %75’inden sonra başlar. Her güncellemede 4.000 aday üretilir ve en iyi %3’ü (120 aday) seçilerek orijinal pozitif havuzun 20.000 girdisinin %75’ine kadar kademeli olarak değiştirilir. Mutasyon oranı, bu orijinal havuza göre %10’dur. Mevcut yüksek skorlu bir adayın tekrar tekrar seçilmesi, her tekrarlamada ağırlığını orijinal ağırlığın yarısı kadar artırır. Arka plan dizileri değişmeden kalır.

Parametre aramasında 0, 0.25, 0.50, 0.75 ve 1.0 güncelleme noktaları; 0.25, 0.50 ve 0.75 geri bildirim oranları; ve 0.05, 0.10 ve 0.15 mutasyon oranları incelenmiştir. Üç güncelleme stratejisi karşılaştırılmıştır. Pos-PosSyn, seçilen üretilmiş dizileri pozitif/zenginleştirilmiş havuza ekler. PosRand-PosSyn, rastgele bir başlangıç bileşeni içerir. Rand-Syn ise rastgele başlangıç dizilerini kademeli olarak seçilen sentetik adaylarla değiştirir. Bu geri bildirim örnekleri, hesapsal olarak seçilen dizilerdir.

Seçilen yapılandırma 0.75 güncelleme noktası, Pos-PosSyn, %75 geri bildirim oranı ve %10 mutasyon oranı kullanır. Geri bildirim hiperparametreleri, üç döngülü kaynak ile altı döngülü SELEX verilerinden üretilen adaylar karşılaştırılarak seçilmiştir; test kümesi bu sürece dahil edilmemiştir. Altı döngülü kütüphane seçimi ve bireysel aday BLI, deneysel değerlendirmeyi sağlar. BLI, model parametrelerini eğitmemiştir; ancak en yüksek skorlu adayın görünür K_D’si 55 nominal nM’nin altına düştüğünde nihai kontrol noktasının seçiminde rehberlik etmiştir.

2.6 Üretilen adayların hesapsal karakterizasyonu

Üretilen aday havuzu 205 dizi içerir. Çiftler arası hizalama 2 eşleşme skoru, −1 uyuşmazlık skoru, −1 boşluk-açma cezası ve −0.5 boşluk-uzatma cezası kullanır. Eğitim dizileriyle tam özdeşlik, dereceli hizalama benzerliğinden ayrı olarak değerlendirilir. Normalleştirilmiş hizalama benzerliği sim (g,r) = s (g,r)/s_max (g)’dir. Havuz benzerliği, her üretilmiş dizinin referans kümeyle olan maksimum benzerliğinin ortalamasıdır; çeşitlilik ise havuz içi çiftler arası benzerliğin ortalamasından bir çıkarılarak hesaplanır. Ek Tablo S2 tanımları içerir.

Minimum serbest enerji, kullanılan katlanma koşulları altındaki RNAfold tahminini tanımlar ve üretilen adaylar için yapısal bağlam sağlar.

2.7 Üretilen kütüphanelerin altı döngülü deneysel doğrulaması

Ayrı bir altı döngülü SELEX deneyi, tam model tarafından üretilen kütüphaneleri, üç ablasyonlu versiyonu ve rastgele bir RNA kontrolünü karşılaştırmıştır. Ablasyonlar geri bildirimi, ERNIE-RNA’yı veya RNAfold’u kaldırmıştır. Her başlangıç kütüphanesi 250 μL’de 1 nM toplam konsantrasyonda 10.000 dizi içeriyordu. Rastgele kütüphane 40-bazlı RNA dizileri içeriyordu. Seçim, HEK293 hücrelerinden izole edilen mitokondrileri kullanmış ve üç döngülü kaynak oluşturma deneyinden bağımsız olmuştur.

Her döngü, mitokondrilerle 30 dakikalık bir inkübasyon, beş düşük tuzlu yıkama, yüksek tuzlu elüsyon ve geri kazanım içeriyordu. SYBR Green qPCR, ortak bir Y-şekilli bağlayıcıyı hedefleyen primerler kullanmıştır. Beş kütüphane, üç eşleştirilmiş grupta test edilmiştir. Her grup içinde, her kütüphane ayrı olarak hazırlanmış ve bağımsız bir altı döngülü seçim sürecinden geçmiştir; her deney düzeyindeki Ct değeri, üç teknik qPCR tekrarının ortalamasıdır. Başlangıçtaki dizi bileşimi ve amplifikasyon verimliliği Ct’yi etkileyebilir. Ct’yi ölçülen son nokta olarak raporluyoruz; geri kazanım oranlarının veya kat artışının tahmini ayrıca giriş normalizasyonuna ve amplifikasyon verimliliğine bağlıdır (Bustin ve diğerleri, 2009).

Grup ve döngü özetleri, üç bağımsız deney düzeyindeki Ct değerlerinin ortalaması ± örnek SD’sidir (n = 3). Teknik üçlü tekrarlar her deney içinde ortalaması alınmıştır. Döngü içi değişiklikler Ct_döngü − Ct_döngü1 olarak hesaplanmış ve bir sıradan en küçük kareler eğimi ile bir kesme, her altı döngülü yörüngeyi özetlemiştir. Tam model ile karşılaştırma arasındaki eğimler gruba göre eşleştirilmiştir. Dört çift yönlü eşleştirilmiş t-testi Holm düzeltmesi kullanmış ve düzeltilmemiş %95 t aralıkları (2 serbestlik derecesi) hesaplanmıştır. Sekiz işaret atamasının tamamı üzerinden yapılan kesin işaret-değişim testleri, küçük örneklemli bir duyarlılık analizi sağlar (Ek Tablo S6).

2.8 Bireysel aday BLI ölçümleri

BLI, 0.8’in üzerinde puan alan on aday, 0.8’in altında puan alan on aday, Mitomer1, Mitomer2 ve Random-RNA-NC için bir Sartorius Octet platformunda gerçekleştirildi. Pozitif kontroller Mitomer1 ve Mitomer2 iken, Random-RNA-NC negatif kontrol olarak kullanıldı. 5′-biyotin taşıyan aptamerler, 0.4–0.8 nm yükleme yanıtlarında streptavidin (SA) biyosensörlerine sabitlendi. Çözünür analit, HEK293 hücrelerinden elde edilen ham mitokondriyal membran proteini preparatıydı. Adaylar değerlendirici puanına göre sıralandı ve %95’ten fazla özdeşliğe sahip diziler elendi. Seçim, operasyonel 0.8 eşik değeri etrafındaki 0.78 ila 0.82 aralığındaki puanlardan kaçındı. Ek Tablo S5, seçilen paneli kaydetmektedir.

Mitokondriyal membran fraksiyonları, diferansiyel santrifüjasyon ve yoğunluk gradyan ayırmasıyla zenginleştirildi ve toplam protein BCA deneyiyle ölçüldü. Her dizi için altı analit konsantrasyonu test edildi. Nominal konsantrasyon C_nominal = c_total/̄MM̄ olarak hesaplandı; burada c_total g L⁻¹ cinsinden ve ̄MM̄ = 42,000 g mol⁻¹’dir. 10⁹ ile çarpım nM değerini verir. MS kaynaklı göreli ağırlıklar Σw_iM_i = 41,980 Da sonucunu verir ve bu değer 42 kDa olarak yuvarlanır. Bu, karışım düzeyinde bir konvansiyondur (Ek Not 3). Ölçümlerde kuyu başına 200 μL kullanıldı, 1,000 rpm karıştırma ve 25 °C ± 0.1 °C sıcaklık uygulandı. PBS bazlı tampon (pH 7.4), %1 BSA, 0.5 mM TCEP, membran proteini çözücü deterjan ve proteaz inhibitörleri içeriyordu. 60 saniyelik bir baz çizgisi, 300 saniyelik birleşme ve 600 saniyelik ayrışmayı takip etti. İhrac edilen zaman serileri 0–960 s aralığında 20 saniyelik aralıklarla kaydedildi.

Octet Veri Analizi Yazılımı 12.x, 1:1 bağlanma modeli, çift-referans çıkarma ve Savitzky–Golay ön işleme ile kullanıldı. Birleşme hızı ve K_D, ham mitokondriyal membran proteini preparatının nominal konsantrasyonuna göre referans alınan görünür parametrelerdir. Uyumlu her dizi üç bağımsız deneyde ölçüldü. Aday tahminleri, üç uyumlu K_D değerinin aritmetik ortalamasıdır; örnek SD’si ve düzeltilmemiş %95 t aralıkları (2 serbestlik derecesi) de belirtilmiştir. Sensogramlar ve artıklar deneyler arası ortalamalardır; çizgiler, ek düzeltme veya uyum yapmadan ihraç edilen ortalamaları birleştirir.

Ek Tablo S5, test edilen 23 girdinin tamamını içerir: 22 uyumlu dizi ve uyumlu K_D’si olmayan bir negatif kontrol. Grup ortalamaları, örnek SD’leri, medyanlar ve aralıklar aday ortalamalarını kullanır. Ek Tablo S11, 66 deney düzeyindeki kinetik uyumun tamamını ve bildirilen uyum istatistiklerini sunar. Ek Şekil S1–S8, 132 ortalama konsantrasyon serisinin ve artıkların tamamını gösterir. Spearman korelasyonu, değerlendirici puanını oluşturulan 20 adayın ortalamalarıyla ilişkilendirir. Aday içi bootstrap, her aday için üç uyumlu değeri yeniden örnekleme yoluyla seçer ve korelasyonu 100,000 kez yeniden hesaplar (analiz tohumu 20261021); bu da koşullu tekrarlanabilirlik aralığını verir (Ek Not S2).

2.9 RNA çekme, gümüş boyama ve VDAC1 tespiti

RNA çekme deneyi, geri bildirimli ve geri bildirimsiz koşullardan elde edilen RNA materyali kullanılarak HEK293 mitokondriyal toplam proteininden protein yakalanmasını değerlendirdi. Gümüşle boyanmış jel; geri bildirimli, geri bildirimsiz, sadece boncuk ve girdi şeritlerini içerir ve ardından 10–100 kDa protein markörü gelir. Sadece boncuk şeridi, arka plan yakalanması için bir referans sağlar. Bir RNA çekme deneyi ve buna eşlik eden VDAC1 immünoblotu gerçekleştirildi. İmmünoblot şeritleri aynı dört koşula karşılık gelir. Yaklaşık 35-kDa MitApt-A02 ile ilişkili materyal kütle spektrometrisi ile analiz edildi (Ek Tablo S9). VDAC1 immünoblotlaması için Santa Cruz sc-390996, 1:500 oranında kullanıldı.

3 Sonuçlar

3.1 SELEX kaynaklı bir kaynak, referans rehberliğini dizi çeşitliliğiyle birleştirir

10,000,000 zincirlik başlangıç kütüphanesinden üç tur seçim, dizileme ve çift giderme sonrası 20,000 benzersiz dizi üretti. Bu havuz, başlangıçtaki üretken dizi kaynağını üç yayımlanmış aptamerin ötesine taşıyarak, kaynaklar arası çift gidermeden önce 20,003 kaynak girdisi oluşturdu. İki kaynak tamamlayıcı roller üstlenir: deneysel havuz zenginleşmeyle ilişkili dizi çeşitliliğini sağlarken, yayımlanmış aptamerler karakterize edilmiş referans diziler sunar.

15:85 pozitif kaynak ağırlıklandırması, üç literatür referansının değerlendirici öğrenimine tanımlanmış bir katkı yapmasını sağlar. AUROC, %15 referans ağırlıklandırmasıyla 0.972 ± 0.018, referansların çıkarılmasıyla 0.608 ± 0.032 ve dizi başına eşit ağırlıklandırma ile 0.589 ± 0.030 olarak bulundu (Ek Tablo S8). Bu bağımlılık, bildirilen performansın referans rehberli eğitim tasarımına özgü olmasını sağlar; tüm eğitim kaynaklarından ayrılmış ailelere genelleme henüz kanıtlanmamıştır.

Bu kaynak, zenginleşmeden öğrenmeye ve bağlanma ölçümleri için yeni adaylar seçmeye odaklanan bir tasarım görevini destekler.

3.2 Değerlendirici, dizi kaynak etiketlerini ayırt eder

Değerlendirici, ortalama bir test AUROC’su olan 0.972 ± 0.018 (beş tekrara göre ortalama ± SD) elde etti; ERNIE-RNA’nın çıkarılmasıyla AUROC 0.893’e düştü. 0.5 tahmin eşiğinde test doğruluğu, hassasiyeti, duyarlılığı ve F1 sırasıyla %90.2, %93.2, %95.8 ve %94.5 oldu. Doğrulama doğruluğu ve F1 ise %96.4 ve 0.958 olarak ölçüldü. Bu sonuçlar, aday sıralama modelinin kaynak etiketlerini ayırt etme yeteneğini tanımlar (Ek Not S1).

Yüksek ağırlıklı üç literatür referansının ortalama değerlendirici puanı 0.92’nin üzerindeydi. Bu puanlar, sınıflandırma performansını tanımlamak için kullanılan test seti metriklerini tamamlayan bir eğitim-referans kontrolü sağlar.

Test ve doğrulama metrikleri kendi veri bölümlerine atıfta bulunur. Referans puanları, yüksek ağırlıklı eğitim setini özetler. Ek Tablo S13, yalnızca kompozisyon, kompozisyon-artı-Nussinov ve ERNIE-RNA-artı-ViennaRNA konfigürasyonlarını karşılaştıran bağımsız bir oluşturulmuş-kaynak karşılaştırması sunar.

3.3 Geri bildirim, üretimi yüksek puanlı yeni dizilere yönlendirir

Parametre seçimi 0.75 güncelleme noktasını, Pos-PosSyn’i, %75’lik bir geri bildirim oranını ve %10’luk bir mutasyon oranını tercih etti (Şekil 2; Ek Tablo S2). Pos-PosSyn analizi, bildirilen 0.89 ortalama değerlendirici puanını ortaya koydu ve adayların %82.3’ü 0.8’lik seçim eşiğini aştı. Optimize edilmiş havuzun ortalama değerlendirici puanı 0.91 oldu. Bu hesapsal özetler, değerlendiriciye yönelik optimizasyonu tanımlar; son kontrol noktası seçimi ayrıca Yöntemler 2.5’teki BLI kriterini de kullandı.

Üretilen 205 adayın tamamı, 20,003 girdilik başlangıç dizi kaynağından farklıydı; medyan en yakın komşu uzunluk-cezalı Hamming mesafesi 11’di (interkuartil aralık 10–12; Ek Tablo S12). Ortalama hizalama ölçümleri mitokondriyal referanslara karşı 0.68 ± 0.12 ve arka plan RNA’larına karşı 0.41 ± 0.09 olarak bulundu. Bu karşılaştırmalar, aday havuzu içindeki dizi ilişkilerini tanımlar; Ek Tablo S2, hizalama tabanlı benzerliği tanımlar.

Dört örnek adayın değerlendirici puanları 0.876–0.952 arasındaydı ve yayımlanmış mitokondriyal aptamerlerle birlikte incelendi.

Kolesnikova ve diğerlerinin karşılaştırma dizisi, harici bir literatür karşılaştırmasıdır. Mitomer1, Mitomer2 ve kısa Mitomer2, üç referanslı eğitim kaynağını oluşturur.

Yedi üretilmiş dizi, −18.5 ila −24.3 kcal/mol arasında tahmin edilen minimum serbest enerjiye sahipti; bu değerler Mitomer2’nin −21.2 kcal/mol ve kısa Mitomer2’nin −19.8 kcal/mol değerleriyle karşılaştırılır. Bu değerler, incelenen adayların tahmin edilen katlanma enerjilerini tanımlar ve aday seçimi için yapısal bir bağlam sağlar.

3.4 Tam model kütüphanesi, altı seçim turu boyunca en büyük Ct düşüşünü gösterir

Tam model kütüphanesi, üç bağımsız deneyin her birinde ve her doğrulama turunda en düşük ortalama Ct’ye sahipti (Şekil 3; Ek Tablo S3). Ct değeri 28.60 ± 0.12’den 14.37 ± 0.20’ye düşerek 14.23 döngülük bir azalma gösterdi. Azalmalar geri bildirim olmadan 12.76 döngü, ERNIE-RNA olmadan 11.44 döngü, RNAfold olmadan 12.69 döngü ve rastgele kütüphane için 3.16 döngü oldu. Değişiklikler yuvarlanmamış deney düzeyindeki ortalamalardan hesaplandı. Tur 1’den itibaren tur içi değişiklikler, yörüngeler arasındaki gözlemlenen ayrımı korudu.

Değerler, grup ve tur başına üç bağımsız seçim deneyi boyunca ortalama ± örnek SD’dir (n = 3). Her deney düzeyindeki Ct değeri, üç teknik qPCR tekrarının ortalamasıdır. 90 deney düzeyindeki tüm ortalama değerler dahil edilmiştir.

6. turda, tam modelin Ct değeri geri bildirimsiz koşula göre 2,58 döngü, ERNIE-RNAsız koşula göre 4,08 döngü ve RNAfold’suz koşula göre 2,55 döngü daha düşüktü. Tam modelin eğimi tur başına −2,877 ± 0,021−ΔΔCT olarak belirlendi. Tam model ile ablasyon eğimleri arasındaki farklar tur başına −0,359, −0,567 ve −0,341−ΔΔCT oldu; düzeltilmemiş %95 eşleşmiş t aralıkları ise [−0,665, −0,052], [−0,700, −0,433] ve [−0,519, −0,162] olarak hesaplandı. Ek Tablo S6, dört karşılaştırmayı ve Holm düzeltmesini içermektedir. Kesin işaret-değişim testleri, üç eşleşmiş partide her bir karşılaştırma için P = 0,25 sonucunu vermektedir.

3.5 Yüksek puanlı adaylar BLI’de nanomolar düzeyde görünür bağlanma sergiliyor

BLI, puanlara göre seçilen iki aday panelini ayırt etti (Şekil 4; Ek Tablolar S4, S5). On yüksek puanlı adayın ortalama görünür K_D değerleri nominal 50,87–71,70 nM arasında değişirken, grup ortalaması nominal 59,06 ± 6,42 nM ve medyanı nominal 57,63 nM oldu. On daha düşük puanlı adayın ortalamaları nominal 2.269,80 ile 15.682,13 nM arasında değişti; grup ortalaması nominal 8.330,37 ± 4.372,01 nM ve medyanı nominal 8.135,83 nM idi. Bu uyarlanmış değerler, nominal karışım konsantrasyonu varsayımı altında bağlanma davranışında geniş bir farklılık olduğunu göstermektedir. Her adayın ortalaması üç bağımsız deneyden elde edilmiştir; grup standart sapması ise on aday ortalaması arasındaki değişkenliği yansıtmaktadır.

Mitomer1 ve Mitomer2’nin görünür K_D değerleri sırasıyla nominal 50,13 ± 1,42 ve 59,63 ± 0,12 nM olarak belirlendi (üç bağımsız deneydeki ortalama ± örneklem standart sapması); bu değerler yüksek puanlı adaylarla aynı nominal nanomolar ölçekte yer almaktadır. Random-RNA-NC için uyarlanmış bir K_D değeri bulunmadı ve “belirlenmedi” olarak kaydedildi.

MitApt-A02 ve MitApt-B03 için ortalama ihraç edilmiş zaman seyirleri, konsantrasyona bağlı bir birleşmeyi ve ardından ayrılma sırasında düşen yanıtları göstermektedir; B03’te düşüş daha hızlıdır (Ek Şekiller S4, S5). Her aday kendi nominal konsantrasyon aralığında ölçülmüştür. Bağlantı çizgileri, ek kinetik uyarlama yapılmadan ihraç edilmiş yanıtları yansıtmaktadır. Ek Şekiller S1–S8, uyarlama yapılan tüm 22 dizi için ortalama sensogramları ve ortalama artıkları içermektedir.

Puanlara göre seçilen paneller, aday önceliklendirmesini test edilen hazırlıkta ölçülen bağlanma verileriyle ilişkilendirmektedir. Gösterilen 20 aday arasında, puan ile ortalama görünür K_D arasında güçlü bir ters ilişki gözlemlendi (Spearman ρ = −0,9955); aday içi bootstrap %95 persentil aralığı [−0,9955, −0,9910] olarak belirlendi. Bu korelasyon, yüksek ve düşük puanlı seçimlere, 0,78–0,82 aralığındaki puanların dışlanmasına ve BLI destekli kontrol noktası seçimine bağlıdır. Bu ilişki, gelecekteki sıralama performansı için tarafsız bir tahmin veya nicel bir afinitet kalibrasyonu sağlamamaktadır. 0,8’e yakın puanlarda ölçülen ek adaylar arasında puan–K_D arasında neredeyse hiç doğrusal ilişki bulunmadı. Kesme değeri, operasyonel bir geri bildirim kriteri olarak kalmaktadır (Ek Not S2).

3.6 Mitokondriyal proteinlerin RNA çekme profilleri ve VDAC1 tespiti

RNA çekme deneyi, hem geri bildirimli hem de geri bildirimsiz koşullarda HEK293 mitokondriyal toplam proteininden protein bantlarını geri kazandı (Şekil 5). Giriş şeridi başlangıçtaki protein miktarını gösterirken, sadece boncuklar şeridindeki ortak özellikler arka plan yakalanmasını tanımlamaktadır. Kütle spektrometrisi, 20 protein arasında yedi benzersiz peptid ve %30,4 dizi kapsama alanıyla VDAC1’i (P21796) tanımladı (Ek Tablo S9). Yanındaki immünoblot, MitApt-A02 çekme materyalinde VDAC1’i tespit etti. Bu tek deneyden elde edilen nitel gözlemler, kütüphane seçimi ve BLI ölçümlerini tamamlayarak RNA ile ilişkili fraksiyonda protein yakalanmasını doğrulamaktadır.

4 Tartışma

Feedback-MitAptamerGAN, deneysel olarak zenginleştirilmiş bir dizi kaynağını, ölçülebilir mitokondriyal etkileşime sahip adayların oluşturulmasıyla birleştirmektedir. İki deneysel ölçek, bu yaklaşım için birbirini tamamlayan kanıtlar sunmaktadır. Tam model kütüphanesi altı seçim turu boyunca en düşük Ct değerini korurken, yüksek puanlı bireysel adaylar BLI’de nanomolar düzeyde görünür K_D değerleri sergiledi. Kütüphane seçimi, üretici konfigürasyonun çıktısını test ederken, BLI sıralanmış adayları mitokondriyal membran proteini hazırlıklarına karşı karakterize eder ve kontrol noktası seçimine katkıda bulunur. Bu iki yöntemin uyumu, RNA dizilerini deneysel testler için önceliklendirmede değerlendirici geri bildiriminin pratik kullanımını desteklemektedir.

Bu yaklaşım, zenginleştirme tabanlı denetimi verimli bir şekilde kullanmaktadır. Afinitetle ayrıştırılmış seçim verileri, DNA aptamerlerinin iyileştirilmesinde makine öğrenimini desteklemiştir (Bashir vd., 2021) ve RaptGen, aktivite güdümlü üretici aramayı göstermiştir (Iwano vd., 2022). Burada, 20.000 SELEX ile zenginleştirilmiş diziden oluşan bir havuz başlangıçtaki üretici kaynağını oluştururken, sonraki turlardaki diziler ve ağırlıklandırılmış literatür referansları değerlendiriciyi yönlendirmektedir. Hem seçim hem de amplifikasyon bu havuzu şekillendirdiğinden (Zimmermann vd., 2010; Takahashi vd., 2016), adayların bağlanma özellikleri sonraki deneylerde değerlendirilmektedir. Bu tasarım, zenginleştirilmiş bir dizi kaynağının, eğitim havuzu için bireysel afinitet ölçümleri mevcut olmadan önce üretimi yönlendirmesine olanak tanır. Bu zenginleştirme örüntülerinin yeniden kullanılması, deneysel seçimi umut verici adaylara odaklayarak sonraki SELEX iterasyonlarını azaltabilir.

Geri bildirim, üretme süreci sırasında değerlendiriciyi aktif bir seçim mekanizmasına dönüştürerek, sentetik gen tasarımı için geliştirilen ilkeyi (Gupta ve Zou, 2019) mitokondriyal RNA adaylarına genişletmektedir. Seçilen konfigürasyon, üretimi operasyonel puan eşiğini aşan adaylara yoğunlaştırırken, BLI paneli bu sıralamayı mitokondriyal membran proteini hazırlıklarıyla ilişkilendirir ve kontrol noktası seçimine katkıda bulunur. Yüksek puanlı paneldeki daha düşük uyarlanmış görünür K_D değerleri, BLI destekli iş akışı içinde önceliklendirmeyi destekleyen geniş bir bağlanma eğilimini göstermektedir.

ERNIE-RNA temsillerini RNAfold tanımlayıcılarıyla birleştirmek, değerlendiriciye öğrenilmiş dizi bilgisi ve açık katlanma özelliklerine erişim sağlar (Yin vd., 2025; Lorenz vd., 2011). Tam model kütüphanesi, üç ablasyonun tümüne göre daha düşük ortalama Ct değerlerini korudu; en büyük 6. tur ayrımı ERNIE-RNA’nın çıkarılmasıyla gözlemlendi. Bu örüntü, entegre konfigürasyonda öğrenilmiş temsillerin faydalı bir katkısı olduğunu göstermektedir. Üç bağımsız seçim deneyi, her bir kütüphaneye bağlı deneysel değişkenliği karakterize etmektedir.

Bu çalışma, mitokondriyal aptamer geliştirmenin tanımlanmış bir aşaması olan mitokondriyal etkileşimi hedeflemektedir. Tawaraya vd. (2014) mitokondriye bağlanan aptamerleri ortaya koyarken, Kolesnikova vd. (2010) RNA’nın içe aktarılmasını incelemiştir. Mevcut çalışma, yüksek puanlı adayları oluşturarak ve BLI ile seçilen kontrollerle aynı nominal nanomolar ölçekte görünür bağlanma sergileyen bir paneli önceliklendirerek, sonraki hedef tanımlama ve lokalizasyon çalışmaları için adaylar sunmaktadır.

4.1 Deneysel kapsam ve aday geliştirme

Deneysel sonuçlar, SELEX destekli parametre seçimi ve BLI destekli kontrol noktası seçiminden sonra seçilen konfigürasyon ve aday panelleriyle ilgilidir. Bu sonuçlar, bağımsız dış doğrulama veya üretici eğitim tohumları arasındaki kararlılık yerine, ayarlama sonrası performansı tanımlamaktadır. Üç bağımsız altı turluk seçim, ön düzeyde destek sağlamaktadır; ancak baz çizgisine göre Ct değişiklikleri amplifikasyon verimliliğini veya geri kazanımı düzeltmemektedir. BLI, 42-kDa nominal konsantrasyon varsayımı ve 1:1 raporlama modeli altında yaklaşık bağlanma eğilimleri sunmaktadır. Karışım düzeyindeki tahminleri hedefe özgü disosiasyon sabitleri değildir ve göreceli karşılaştırmalar hazırlık bileşimine ve dahil olan bağlanma bileşenlerine bağlıdır.

205 dizi analizinin, başlangıçtaki dizi kaynağına göre özdeş olmadığını göstermektedir. Dizi ailesi ilişkileri, özellikle ilgili referans dizilerin önemli ölçüde eğitim ağırlığı aldığı durumlarda ayrı bir konudur (Joeres vd., 2025). Faydalı dizi ailesi özelliklerinin korunması, aday üretimi ve önceliklendirmesiyle uyumludur. Bu zenginleştirmeyle ilişkili özelliklerin yeniden kullanılması, sonraki SELEX iterasyonlarını azaltabilir.

VDAC1’in tanımlanması ve immünoblotlama, MitApt-A02 için protein yakalanmasına dair kanıt sunarak BLI’nin mitokondriyal membran proteini hazırlıklarıyla yapılan ölçümlerini tamamlamaktadır. Tanımlanmış hedefe bağlanma, mitokondriyal olmayan fraksiyonlara karşı seçicilik ve mitokondriye içe aktarım, aday geliştirme sürecinde ayrı hedefler olarak kalmaktadır.

Her bir aday dizinin ve kimyasal bileşimin model kontrol noktası ile deneysel kaydıyla ilişkilendirilmesi, hesapsal seçimden mekanistik karakterizasyona yönelik bu ilerlemeyi destekleyecektir.

5 Sonuç

Feedback-MitAptamerGAN, mitokondriyal RNA aptamer adaylarının oluşturulmasını ve önceliklendirilmesini yönlendirmek için SELEX’ten türetilen dizi çeşitliliğini, RNA temsillerini ve katlanma özelliklerini kullanır. Tam model kütüphanesi, üç bağımsız deneyde altı tur seçim boyunca en düşük ortalama Ct değerini korumuş ve yüksek puanlı adaylar, mitokondriyal aptamer kontrolleriyle aynı nominal nanomolar ölçekte 50,87–71,70 nominal nM’lik belirgin K_D değerleri göstermiştir. Bu tamamlayıcı sonuçlar, test edilen mitokondriyal preparatlara bağlanma için geri bildirim yönlendirmeli önceliklendirmenin değerini ortaya koymakta ve daha ileri mitokondriyal aptamer geliştirmeleri için deneysel olarak desteklenmiş adaylar sunmaktadır.

Beyanlar

Veri erişilebilirliği beyanı

Çalışmada sunulan orijinal katkıların tamamı makalede/Ek Materyalde yer almaktadır; ek sorular için ilgili yazarla iletişime geçilebilir.

Etik beyanı

Bu makale, incelenmeleri için etik onay gerektirmeyen hayvanlar üzerine yapılan araştırmayı sunmaktadır.

Yazar katkıları

ZC: Yazım – orijinal taslak, Yazılım, Görselleştirme, Formal Analiz, Kavramsallaştırma, Metodoloji, Yazım – inceleme ve düzenleme. YL: Yazım – inceleme ve düzenleme, Yazım – orijinal taslak, Veri kürasyonu, Doğrulama, Formal Analiz. ZJ: Yazım – orijinal taslak, Doğrulama, Yazım – inceleme ve düzenleme, Veri kürasyonu.

Çıkar çatışması

Yazar(lar), bu çalışmanın potansiyel bir çıkar çatışması olarak yorumlanabilecek herhangi bir ticari veya finansal ilişki olmaksızın yürütüldüğünü beyan etmiştir.

Üretken yapay zeka beyanı

Yazar(lar), bu makalenin oluşturulmasında üretken yapay zekanın kullanıldığını beyan etmiştir. Dil kalitesini iyileştirmek ve formatı dönüştürmek için ChatGPT-6 kullanılmıştır.

Bu makaledeki şekillerin yanında sunulan herhangi bir alternatif metin (alt metin), Frontiers tarafından yapay zekanın desteğiyle oluşturulmuştur ve yazarların mümkün olduğunda inceleme yapması da dahil olmak üzere doğruluğu sağlamak için makul çabalar gösterilmiştir. Herhangi bir sorun tespit ederseniz lütfen bizimle iletişime geçin.

Yayıncının notu

Bu makalede ifade edilen tüm iddialar yalnızca yazarlara aittir ve yazarların bağlı olduğu kurumların, yayıncının, editörlerin veya hakemlerin görüşlerini yansıtmak zorunda değildir. Bu makalede değerlendirilebilecek herhangi bir ürün veya üreticisi tarafından yapılabilecek herhangi bir iddia, yayıncı tarafından garanti edilmez veya onaylanmaz.

Ek materyal

Bu makalenin Ek Materyaline çevrimiçi olarak şu adresten ulaşılabilir: https://www.frontiersin.org/articles/10.3389/fbioe.2026.2016105/full#supplementary-material

Özet

Anahtar kelimeler

biyo-katman interferometrisi, ERNIE-RNA, üretken rakip ağ, mitokondriyal aptamer, RNA ikincil yapısı, SELEX

Atıf

Chen Z, Long Y ve Ji Z (2026) Feedback-MitAptamerGAN for SELEX-informed generation and prioritization of mitochondrial RNA aptamer candidates. Front. Bioeng. Biotechnol. 14:2016105. doi: 10.3389/fbioe.2026.2016105

Alındı

01 Ekim 2026

Revize edildi

25 Ekim 2026

Kabul edildi

03 Kasım 2026

Yayınlandı

16 Kasım 2026

14 – 2026

Ulhas Kadam, Gyeongsang Ulusal Üniversitesi, Kore Cumhuriyeti

Amirhossein Taghavi, Florida Üniversitesi, Amerika Birleşik Devletleri

Mostafa Zahed, Doğu Tennessee Devlet Üniversitesi, Amerika Birleşik Devletleri

© 2026 Chen, Long ve Ji.

Bu, Creative Commons Atıf Lisansı (CC BY) şartları altında dağıtılan açık erişimli bir makaledir. Orijinal yazar(lar) ve telif hakkı sahibi(leri)nin belirtilmesi ve bu dergideki orijinal yayına kabul edilen akademik uygulamalara uygun olarak atıfta bulunulması koşuluyla, diğer platformlarda kullanımı, dağıtımı veya çoğaltılması mümkündür. Bu şartlara uymayan hiçbir kullanım, dağıtım veya çoğaltma izni verilmemektedir.

*İletişim: Zhongyun Chen, markchen@hnu.edu.cn

Bu makalede ifade edilen tüm iddialar yalnızca yazarlara aittir ve yazarların bağlı olduğu kurumların, yayıncının, editörlerin veya hakemlerin görüşlerini yansıtmak zorunda değildir. Bu makalede değerlendirilebilecek herhangi bir ürün veya üreticisi tarafından yapılabilecek herhangi bir iddia, yayıncı tarafından garanti edilmez veya onaylanmaz.

Frontiers | Feedback-MitAptamerGAN for SELEX-informed generation and prioritization of mitochondrial RNA aptamer candidates
Frontiers | Feedback-MitAptamerGAN for SELEX-informed generation and prioritization of mitochondrial RNA aptamer candidates
İlginizi Çekebilir: Yapay Zekâ Destekli İlaç Keşfi: Protein Katlanmasından Klinik Aşamaya 10 Kat Hız →
Kaynak: Frontiersin ↗

Yorumlar

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir