了解非典型核酸折叠的形成和控制机制有助于更好地解释其生物学作用，指导针对这些结构的治疗方案的设计。然而，大量的非典型核酸折叠结构，其中一些高度相似，使其识别具有挑战性。有鉴于此，美国加利福尼亚大学河滨分校的Wenwan Zhong等研究人员，通过阵列主客体传感系统机器学习辅助非规范DNA折叠基序的分类和识别。

本文要点

1）研究团队提出阵列式主客体荧光传感器系统可以利用选择性分子识别来区分和分类多种不同的非常规DNA结构。

2）该传感器具有高度选择性，能够区分与天然G-四链体类似的褶皱和具有凸起或空位的褶皱。

3）宿主和客体可以与DNA链形成杂三元复合物，宿主作为DNA和染料之间的媒介，调节发射。

本文研究表明，通过将机器学习算法应用于传感数据，可以高保真地预测未知DNA链的折叠状态。

参考文献：

Junyi Chen, et al. Machine Learning Aids Classification and Discrimination of Noncanonical DNA Folding Motifs by an Arrayed Host: Guest Sensing System. JACS, 2020.

DOI：10.1021/jacs.1c06031

https://pubs.acs.org/doi/10.1021/jacs.1c06031