Andreas L. Gimpel Bowen Fan Dexiong Chen Laetitia O. D. Wölfle et al

Résumé

La réaction en chaîne par polymérase à plusieurs templates (multi-template PCR) est une technique essentielle permettant l’amplification parallèle de molécules d’ADN diverses, facilitant ainsi des applications allant de la biologie moléculaire quantitative au stockage de données à base d’ADN. Toutefois, l’amplification non homogène, résultant d’efficacités d’amplification spécifiques aux séquences, entraîne souvent des données biaisées en abondance, compromettant ainsi précision et sensibilité. Dans cette étude, nous abordons le problème de l’efficacité d’amplification dans des bibliothèques d’amplicons complexes en utilisant des réseaux de neurones convolutifs à une dimension (1D-CNN) pour prédire l’efficacité d’amplification spécifique à la séquence, à partir uniquement d’informations séquentielles. Entraînés sur des jeux de données annotés de manière fiable, issus de pools d’ADN synthétiques, ces modèles atteignent une performance prédictive élevée (AUROC : 0,88 ; AUPRC : 0,44), permettant ainsi la conception de bibliothèques d’amplicons intrinsèquement homogènes. Nous introduisons également CluMo, un cadre d’interprétation fondé sur l’apprentissage profond, qui identifie des motifs spécifiques situés à proximité des sites d’amorçage des adaptateurs comme étant fortement associés à une mauvaise amplification. Cette découverte permet d’élucider le mécanisme principal de faible efficacité d’amplification — l’amorçage auto-induit par les adaptateurs — remettant en cause des hypothèses fondamentales sur la conception de la PCR. En ciblant la cause fondamentale de l’amplification non homogène dans la PCR multi-template, notre approche basée sur l’apprentissage profond permet de réduire d’un facteur quatre la profondeur de séquençage nécessaire pour récupérer 99 % des séquences d’amplicons, ouvrant ainsi de nouvelles voies pour améliorer l’efficacité de l’amplification de l’ADN dans des domaines tels que la génomique, le diagnostic et la biologie synthétique.