CN113782103B - 一种基于组合式酶切机制的dna矩阵处理方法 - Google Patents
一种基于组合式酶切机制的dna矩阵处理方法 Download PDFInfo
- Publication number
- CN113782103B CN113782103B CN202111250188.1A CN202111250188A CN113782103B CN 113782103 B CN113782103 B CN 113782103B CN 202111250188 A CN202111250188 A CN 202111250188A CN 113782103 B CN113782103 B CN 113782103B
- Authority
- CN
- China
- Prior art keywords
- matrix
- enzyme digestion
- auxiliary
- auxiliary chain
- combined enzyme
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000011159 matrix material Substances 0.000 title claims abstract description 96
- 230000007246 mechanism Effects 0.000 title claims abstract description 47
- 238000001976 enzyme digestion Methods 0.000 title claims abstract description 33
- 238000003672 processing method Methods 0.000 title claims abstract description 8
- 239000000758 substrate Substances 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 31
- 102000016911 Deoxyribonucleases Human genes 0.000 claims abstract description 30
- 108010053770 Deoxyribonucleases Proteins 0.000 claims abstract description 30
- 230000001404 mediated effect Effects 0.000 claims abstract description 29
- 238000003776 cleavage reaction Methods 0.000 claims abstract description 12
- 230000007017 scission Effects 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 2
- 238000011282 treatment Methods 0.000 abstract description 7
- 102000004190 Enzymes Human genes 0.000 abstract description 6
- 108090000790 Enzymes Proteins 0.000 abstract description 6
- 238000006555 catalytic reaction Methods 0.000 abstract description 2
- 108020004414 DNA Proteins 0.000 description 23
- 238000010586 diagram Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 239000007853 buffer solution Substances 0.000 description 4
- 102000053602 DNA Human genes 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010791 quenching Methods 0.000 description 2
- 230000000171 quenching effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- UDGUGZTYGWUUSG-UHFFFAOYSA-N 4-[4-[[2,5-dimethoxy-4-[(4-nitrophenyl)diazenyl]phenyl]diazenyl]-n-methylanilino]butanoic acid Chemical compound COC=1C=C(N=NC=2C=CC(=CC=2)N(C)CCCC(O)=O)C(OC)=CC=1N=NC1=CC=C([N+]([O-])=O)C=C1 UDGUGZTYGWUUSG-UHFFFAOYSA-N 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001506 fluorescence spectroscopy Methods 0.000 description 1
- 239000007850 fluorescent dye Substances 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- UPSFMJHZUCSEHU-JYGUBCOQSA-N n-[(2s,3r,4r,5s,6r)-2-[(2r,3s,4r,5r,6s)-5-acetamido-4-hydroxy-2-(hydroxymethyl)-6-(4-methyl-2-oxochromen-7-yl)oxyoxan-3-yl]oxy-4,5-dihydroxy-6-(hydroxymethyl)oxan-3-yl]acetamide Chemical compound CC(=O)N[C@@H]1[C@@H](O)[C@H](O)[C@@H](CO)O[C@H]1O[C@H]1[C@H](O)[C@@H](NC(C)=O)[C@H](OC=2C=C3OC(=O)C=C(C)C3=CC=2)O[C@@H]1CO UPSFMJHZUCSEHU-JYGUBCOQSA-N 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/123—DNA computing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
- G16B5/10—Boolean models
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12N—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA
- C12N15/00—Mutation or genetic engineering; DNA or RNA concerning genetic engineering, vectors, e.g. plasmids, or their isolation, preparation or purification; Use of hosts therefor
- C12N15/09—Recombinant DNA-technology
- C12N15/10—Processes for the isolation, preparation or purification of DNA or RNA
- C12N15/1034—Isolating an individual clone by screening libraries
- C12N15/1093—General methods of preparing gene libraries, not provided for in other subgroups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
- G16B50/30—Data warehousing; Computing architectures
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biophysics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Genetics & Genomics (AREA)
- Biotechnology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Chemical & Material Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Organic Chemistry (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Bioethics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Plant Pathology (AREA)
- Biochemistry (AREA)
- Crystallography & Structural Chemistry (AREA)
- Microbiology (AREA)
- Physiology (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
Abstract
本发明公开了一种基于组合式酶切机制的DNA矩阵处理方法,包括:构建单辅助链介导的组合式酶切机制;在所述单辅助链介导的组合式酶切机制基础上引入一条辅助链,得到双辅助链介导的组合式酶切机制;通过所述双辅助链介导的组合式酶切机制构建DNA矩阵处理和布尔矩阵乘法的加权和;两条辅助链可以直接用作矩阵参与处理的元素,且2N条辅助链可以在E6型DNA酶的存在下组合成N2个四叉型酶切结构,裂解N2条底物链。同时E6型DNA酶具有高效催化以及特异性识别的特点,所以E6型DNA酶的加入使矩阵处理既快速又准确。
Description
技术领域
本发明涉及DNA矩阵处理技术领域,具体来说是一种基于组合式酶切机制的DNA矩阵处理方法。
背景技术
近些年,很多基于DNA的复杂计算系统利用不同的生物工程方法得到了实现。例如Zhou等人利用氧化石墨烯与DNA结合构建了一种新颖的数字比较系统,可以实现两个或多个二进制数的比较。之后,Zhou等人又首次构建了一个可以计算十位二进制数(十进制数1000以内)的立方根逻辑电路,这项研究为复杂计算电路开辟了新视野,展示了DNA在生物计算领域的突出能力。FAN等人利用DNA链置换技术设计了基于DNA的开关电路来实现数字计算,为分子计算机的发展提供了一种新的策略。
此外,半加器半减器、全加器全减器、编码器解码器、平方根计算、以及神经元计算模型等层出不穷。特别地,Qian和Winfree等人提出了基于DNA链置换技术的“跷跷板门”DNA基序,后又在此基础上,进一步构建了能够实现“猜心术”的4神经元Hopfield神经网络计算模型和赢家通吃神经网络模型,这是在分子智能计算领域的一项突破性的研究。
事实上,神经网络执行的计算仅由几种运算组成,矩阵处理就是其中之一。然而,在矩阵处理中,计算操作实现的主要方法是DNA链置换,该方法简单快速,但同时也会引起缓慢的泄漏问题,从而影响处理结果的准确性。所以,需要找到一种新的方式来构建矩阵处理操作。矩阵处理的性能直接影响整个计算系统的性能,因此,对于矩阵处理的研究是非常有必要的。
发明内容
本发明目的是提供一种基于组合式酶切机制的DNA矩阵处理方法,其使矩阵处理既快速又准确,减少了DNA链之间的交叉干扰,提高了矩阵处理的稳定性。
为实现上述目的,本申请的技术方案为:一种基于组合式酶切机制的DNA矩阵处理方法,包括:
构建单辅助链介导的组合式酶切机制;
在所述单辅助链介导的组合式酶切机制基础上引入一条辅助链,得到双辅助链介导的组合式酶切机制;
通过所述双辅助链介导的组合式酶切机制进行DNA矩阵处理和布尔矩阵乘法的加权和;
进一步的,所述单辅助链介导的组合式酶切机制,包括一条辅助链Aux、E6型DNA酶DZ3和底物BrA3T;所述辅助链Aux作为该机制输入信号,以底物被切割后释放的荧光作为该机制输出信号。
进一步的,所述双辅助链介导的组合式酶切机制,包括两条辅助链Aux1-z11和Aux2-z11、E6型DNA酶DE3和底物ErA3T;所述两条辅助链Aux1-z11和Aux2-z11作为该机制输入信号,以底物被切割后释放的荧光作为该机制输出信号。
进一步的,所述DNA矩阵处理实现矩阵M与矩阵X相乘,具体为:将一条辅助链作为矩阵M中的元素,另一条辅助链作为矩阵X中的元素,所述矩阵M中的元素与所述矩阵X中的元素相乘,在报告模块的作用下,相乘结果被成功转导到荧光信号上,通过读取荧光信号来判断相乘结果。
进一步的,所述报告模块为E6型DNA酶E1、E6型DNA酶E2以及两条已经被功能化的底物链R1、R2。
进一步的,所述布尔矩阵乘法的加权和输入为矩阵M和矩阵X,权重为E6型DNA酶E1、E2,两条已经被功能化的底物链R1’、R2’用来检测输出信号;在布尔矩阵的乘法加权和处理中,输出矩阵F第i行第j列的元素等于矩阵M第i行的元素与矩阵X第j列的对应元素乘积再乘以各自权重之和。
更进一步地,所述两条辅助链是等比例且同时加入酶切反应体系中,作为双辅助链介导的组合式酶切机制的两条输入信号。
更进一步地,所述矩阵M和矩阵X的DNA链是等比例且同时加入DNA矩阵处理的反应体系中,作为参与处理的矩阵元素。
本发明由于采用以上技术方案,能够取得如下的技术效果:两条辅助链可以直接用作矩阵参与处理的元素,且2N条辅助链可以在E6型DNA酶的存在下组合成N2个四叉型酶切结构,裂解N2条底物链。同时E6型DNA酶具有高效催化以及特异性识别的特点,所以E6型DNA酶的加入使矩阵处理既快速又准确。此外,每条辅助链都只与相对应的E6型DNA酶结合,减少了DNA链之间的交叉干扰,提高了矩阵处理的稳定性。双辅助链介导的组合式酶切机制不仅能实现布尔矩阵相乘的定性处理,还能实现布尔矩阵相乘的定量处理;本发明设计的DNA矩阵处理方法为构建更复杂更庞大的处理平台奠定了基础,并且在大规模信息处理系统方面展示出不俗的潜力。
附图说明
图1为单辅助链介导的组合式酶切机制过程示意图;
图2为单辅助链介导的组合式酶切机制的归一化荧光曲线图;
图3为双辅助链介导的组合式酶切机制过程示意图;
图4为双辅助链介导的组合式酶切机制的归一化荧光曲线图;
图5为矩阵M与矩阵X相乘的原理图;
图6为矩阵M乘以矩阵X的过程示意图;
图7为4个不同的M矩阵乘以4个不同的X矩阵的荧光曲线图;
图8为矩阵M与矩阵X相乘的加权和过程示意图;a为输出矩阵F的第一行元素值F1加权和,b为输出矩阵F的第二行元素值F2加权和;
图9为矩阵M与矩阵X相乘的加权和荧光曲线图;a为F1的荧光曲线图,b为F2的荧光曲线图。
具体实施方式
下面将结合本发明中的附图,对本发明实施中的技术方案进行清楚、完整的描述,可以理解的是,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域的技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明的保护范围。
单辅助链介导的组合式酶切机制,构建过程如图1所示,E6型DNA酶DZ3只有在输入辅助链Aux时才能切割底物BrA3T,产生输出信号。图2为该机制的荧光曲线图,验证了只有输入时,才能产生荧光信号。
双辅助链介导的组合式酶切机制,构建过程如图3所示,E6型DNA酶DE3只有输入两个辅助链Aux1-z11和Aux2-z11时才能切割底物ErA3T,产生输出信号。图4为该机制的荧光曲线图,证明了两个辅助链都输入时,才能产生荧光信号。
利用双辅助链介导组合式酶切机制,实现了DNA矩阵处理;图5为两个矩阵相乘的原理图。图6为利用DNA来实现两个矩阵相乘的演示过程,矩阵M是一个2×2的矩阵,第一行元素为M11、M12,第二行元素为M21、M22,矩阵X的两个元素为X11、X21。报告模块由E6型DNA酶E1、E2以及两条已经被功能化的底物链R1、R2组成,其中R1的5’端修饰荧光团FAM、3’端修饰猝灭基团BHQ1,R2的5’端修饰荧光团ROX,3’端修饰猝灭基团BHQ2。首先,矩阵M的第一行元素M11、M12与矩阵X的两个元素X11、X21相乘,得到两个组合M11X11、M12X21,这两个组合都执行“与”操作,即组合中缺少任何一个元素,该组合的处理结果为“0”。M11X11与E6型DNA酶E1结合,构成组合式酶切机制,切割底物R1,产生荧光信号。M12X21与E6型DNA酶E2结合,同样切割底物R1,产生相同的荧光信号,M11X11与M12X21这两种组合之间执行的是“或”操作,即其中任何一个组合存在或两个都存在时,处理结果为“1”,否则为“0”。其次,矩阵M的第二行元素M21、M22与矩阵X的两个元素X11、X21相乘,得到的两个组合为M21X11、M22X21,同样,每个组合的两个元素执行的是“与”操作,两个元素缺一不可,否则,该组合处理结果为“0”。组合M21X11与E6型DNA酶E1结合,切割荧光底物R2,产生荧光信号,组合M22X21与E6型DNA酶E2结合,同样切割底物R2,产生相同的荧光信号。两种组合之间执行的是“或”操作,存在一种组合或两种组合都存在时,处理结果都为“1”,否则为“0”。图7是4个不同的M矩阵与4个不同的X矩阵相乘的荧光曲线图。矩阵元素为“1”,则代表该位置所代表的输入链存在,矩阵元素为“0”则代表该位置所代表的输入链不存在。产生的处理结果由荧光信号的上升与否定义,荧光信号上升则代表处理结果为“1”,荧光信号不上升则表示处理结果为“0”。
利用双辅助链介导组合式酶切机制,实现了布尔矩阵乘法的加权和,在此实验中,设定固定权重为1,输出信号取决于矩阵元素的输入。图8a为输出矩阵F第一行元素F1的加权和示意图,输入的辅助链组合与各自权重相乘,构成双辅助链介导的组合式酶切结构,然后切割同一种底物,释放荧光信号。使用荧光定量实验验证了处理F1加权和的合理性。如图9a所示,当只输入组合M11’X11’时,该组合乘以权重E1,酶切底物R1’,产生荧光信号并到达一个水平;当只输入组合M12’X21’时,该组合乘以权重E2,同样酶切底物R1’,产生荧光信号并到达一个水平;当两个组合M11’X11’、M12’X21’都输入时,组合M11’X11’乘以权重E1,组合M12’X21’乘以权重E2,构成两种双辅助链介导的组合式酶切结构,同时酶切底物R1’,产生相同的荧光信号,荧光值到达更高的水平,实现求和的过程。结果矩阵F第二行元素F2的求和示意图如图8b,求和方式与F1相同,图9b为F2求和的荧光曲线图。
实施例1:
构建DNA矩阵处理的具体过程为:
(1)将E6型DNA酶E1、E2以及两条已经被功能化的底物链R1、R2按1:1的比例在1×TAE/Mg2+缓冲液中混合,构成报告模块;
(2)按照需要进行处理的布尔矩阵将对应矩阵M和矩阵X中的元素作为输入链加入到步骤(1)所述的报告模块中,浓度为0.3μM,放于25℃环境下,反应约20个小时。输入添加之后,与报告模块中对应的E6型DNA酶以及底物结合,构成组合式酶切机制,切割底物,产生荧光信号。荧光信号上升则表示此两矩阵对应元素的处理结果为“1”,荧光信号不上升则表示此两矩阵对应元素的处理结果为“0”。
实施例2:
构建布尔矩阵乘法的加权和(以F1为例)具体过程为:
(1)将E6型DNA酶E1以及被功能化的底物链R1’按1:2的比例在1×TAE/Mg2+缓冲液中混合,放置于试管1中;
(2)将E6型DNA酶E2以及被功能化的底物链R1’按1:2的比例在1×TAE/Mg2+缓冲液中混合,放置于试管2中;
(3)将E6型DNA酶E1、E2以及被功能化的底物链R1’按1:1:2的比例在1×TAE/Mg2+缓冲液中混合,放置于试管3中;
(4)向试管1中加入输入链M11’、X11’,浓度为0.3μM,放于25℃环境下,反应约20个小时;
(5)向试管2中加入输入链M12’、X21’,浓度为0.3μM,放于25℃环境下,反应约20个小时;
(6)向试管3中加入输入链M11’、X11’以及M12’、X21’,浓度为0.3μM,放于25℃环境下,反应约20个小时;荧光实验结果如图9a所示,验证了加权和模块的成功。
以上所述仅是本发明的优选实施方式,并不用于限制本发明,应当指出,对于本技术领域的普通技术人员,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (3)
1.一种基于组合式酶切机制的DNA矩阵处理方法,其特征在于,包括:
构建单辅助链介导的组合式酶切机制;
在所述单辅助链介导的组合式酶切机制基础上引入一条辅助链,得到双辅助链介导的组合式酶切机制;
通过所述双辅助链介导的组合式酶切机制进行DNA矩阵处理和布尔矩阵乘法的加权和;
所述单辅助链介导的组合式酶切机制,包括第一辅助链Aux、E6型DNA酶DZ3和底物BrA3T;所述第一辅助链Aux作为机制输入信号,以底物被切割后释放的荧光作为机制输出信号;
所述双辅助链介导的组合式酶切机制,包括第二辅助链Aux1-z11和第三辅助链Aux2-z11、E6型DNA酶DE3和底物ErA3T;所述第二辅助链Aux1-z11和第三辅助链Aux2-z11作为机制输入信号,以底物被切割后释放的荧光作为机制输出信号;
所述DNA矩阵处理实现第一矩阵M与第二矩阵X相乘,具体为:第二辅助链Aux1-z11作为第一矩阵M中的元素,第三辅助链Aux2-z11作为第二矩阵X中的元素,所述第一矩阵M中的元素与所述第二矩阵X中的元素相乘,在报告模块的作用下,相乘结果被成功转导到荧光信号上,通过读取荧光信号来判断相乘结果;
所述报告模块为第一E6型DNA酶E1、第二E6型DNA酶E2以及两条已经被功能化的第一底物链R1、第二底物链R2;
所述布尔矩阵乘法的加权和输入为第一矩阵M和第二矩阵X,权重为第一E6型DNA酶E1、第二E6型DNA酶E2,两条已经被功能化的第一底物链R1、第二底物链R2用来检测输出信号;在布尔矩阵的乘法加权和处理中,输出矩阵F第i行第j列的元素等于第一矩阵M第i行的元素与第二矩阵X第j列的对应元素乘积再乘以各自权重之和。
2.根据权利要求1所述一种基于组合式酶切机制的DNA矩阵处理方法,其特征在于,所述第二辅助链Aux1-z11和第三辅助链Aux2-z11是等比例且同时加入酶切反应体系中,作为双辅助链介导的组合式酶切机制的两条输入信号。
3.根据权利要求1所述一种基于组合式酶切机制的DNA矩阵处理方法,其特征在于,所述第一矩阵M和第二矩阵X的DNA链是等比例且同时加入DNA矩阵处理的反应体系中,作为参与处理的矩阵元素。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111250188.1A CN113782103B (zh) | 2021-10-26 | 2021-10-26 | 一种基于组合式酶切机制的dna矩阵处理方法 |
US17/677,356 US20230132150A1 (en) | 2021-10-26 | 2022-02-22 | Dna matrix processing method based on combined restriction digestion mechanism |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111250188.1A CN113782103B (zh) | 2021-10-26 | 2021-10-26 | 一种基于组合式酶切机制的dna矩阵处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113782103A CN113782103A (zh) | 2021-12-10 |
CN113782103B true CN113782103B (zh) | 2024-07-09 |
Family
ID=78956675
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111250188.1A Active CN113782103B (zh) | 2021-10-26 | 2021-10-26 | 一种基于组合式酶切机制的dna矩阵处理方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230132150A1 (zh) |
CN (1) | CN113782103B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103781918A (zh) * | 2011-04-13 | 2014-05-07 | 空间转录公司 | 用于组织样本中核酸的局部或空间检测的方法和产品 |
CN105349675A (zh) * | 2015-12-02 | 2016-02-24 | 集美大学 | 基于双酶切的大黄鱼全基因组SNP和InDel分子标记方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002059352A2 (de) * | 2001-01-26 | 2002-08-01 | Evotec Oai Ag | Verfahren und mittel zur detektion enzymatischer spalt- und verknüpfungsreaktionen |
SI3354732T1 (sl) * | 2014-06-23 | 2020-07-31 | Regeneron Pharmaceuticals, Inc. | Z nukleazo posredovan DNA sklop |
US9898579B2 (en) * | 2015-06-16 | 2018-02-20 | Microsoft Technology Licensing, Llc | Relational DNA operations |
KR20180134385A (ko) * | 2016-04-15 | 2018-12-18 | 노파르티스 아게 | 선택적 단백질 발현을 위한 조성물 및 방법 |
US11410746B2 (en) * | 2016-04-27 | 2022-08-09 | Massachusetts Institute Of Technology | Stable nanoscale nucleic acid assemblies and methods thereof |
CN111276186B (zh) * | 2020-01-20 | 2023-05-26 | 大连大学 | 基于Mg2+调控的E6型核酶识别臂驱动DNA电路的方法 |
-
2021
- 2021-10-26 CN CN202111250188.1A patent/CN113782103B/zh active Active
-
2022
- 2022-02-22 US US17/677,356 patent/US20230132150A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103781918A (zh) * | 2011-04-13 | 2014-05-07 | 空间转录公司 | 用于组织样本中核酸的局部或空间检测的方法和产品 |
CN105349675A (zh) * | 2015-12-02 | 2016-02-24 | 集美大学 | 基于双酶切的大黄鱼全基因组SNP和InDel分子标记方法 |
Also Published As
Publication number | Publication date |
---|---|
US20230132150A1 (en) | 2023-04-27 |
CN113782103A (zh) | 2021-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jamy et al. | Long‐read metabarcoding of the eukaryotic rDNA operon to phylogenetically and taxonomically resolve environmental diversity | |
Narum et al. | Differentiating salmon populations at broad and fine geographical scales with microsatellites and single nucleotide polymorphisms | |
Millstein et al. | Disentangling molecular relationships with a causal inference test | |
Schloss et al. | Introducing TreeClimber, a test to compare microbial community structures | |
Hsieh et al. | Genetic algorithms for reliability design problems | |
US7745594B2 (en) | Nucleic acid-based logic circuits | |
Carbone et al. | A microbial population–species interface: nested cladistic and coalescent inference with multilocus data | |
Boyer et al. | Welcome back New Zealand: regional biogeography and Gondwanan origin of three endemic genera of mite harvestmen (Arachnida, Opiliones, Cyphophthalmi) | |
Gupta et al. | Generalized analytic rule extraction for feedforward neural networks | |
CN111275161B (zh) | 一种基于dna链置换的竞争神经网络框架 | |
Szathmary | What is the optimum size for the genetic alphabet? | |
Elsayed et al. | Definitive screening design and artificial neural network for modeling a rapid biodegradation of date palm fronds by a new Trichoderma sp. PWN6 into citric acid | |
Taylor et al. | Increasing ecological inference from high throughput sequencing of fungi in the environment through a tagging approach | |
CN113782103B (zh) | 一种基于组合式酶切机制的dna矩阵处理方法 | |
Wang et al. | Complete mitochondrial genome of Evacanthus heimianus (Hemiptera: Cicadellidae: Evacanthinae) from China | |
Wegener et al. | Hybridization and rapid differentiation after secondary contact between the native green anole (Anolis carolinensis) and the introduced green anole (Anolis porcatus) | |
Chen et al. | Massively parallel DNA computing based on domino DNA strand displacement logic gates | |
Cheema et al. | Genetic programming assisted stochastic optimization strategies for optimization of glucose to gluconic acid fermentation | |
CN108197409B (zh) | 基于链置换的立方根双轨逻辑电路及生化电路实现方法 | |
Pozhitkov et al. | Evaluation of gel-pad oligonucleotide microarray technology by using artificial neural networks | |
CN110533155B (zh) | 一种基于dna链置换的三级联分子组合电路的实现方法 | |
Nitsche et al. | The use of open source bioinformatics tools to dissect transcriptomic data | |
Kowalski et al. | CPA-Perturb-seq: Multiplexed single-cell characterization of alternative polyadenylation regulators | |
US20210375398A1 (en) | Machine Learning-Based Analysis of Process Indicators to Predict Sample Reevaluation Success | |
Gray et al. | Molecular evidence of a peripatric origin for two sympatric species of field crickets (Gryllus rubens and G. texensis) revealed from coalescent simulations and population genetic tests |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |