Düşük güçlü yeniden programlanabilir DNA basecaller ve gerçek zamanlı nanopore dizileme için verimli bir HMM hızlandırıcısı

Neden küçük DNA dizileme cihazları daha akıllı çiplere ihtiyaç duyuyor

Avuç içi boyutundaki DNA dizileme cihazları artık bir insan genomunu yıllar yerine saatler içinde okuyabiliyor; bu da yatak başı tanı, salgın takibi ve büyük laboratuvarlardan uzaktaki saha biyolojisi için yeni olanaklar açıyor. Ancak algılama donanımı küçük ve hızlı hale gelirken, ham elektriksel dalgalanmaları A, C, G ve T harflerine dönüştürmek için gereken hesaplama hala çok fazla enerji tüketiyor. Bu makale, baz çağırma (basecalling) adı verilen bu çeviri adımını çok daha verimli gerçekleştiren özel bir düşük güçlü çipi anlatıyor; böylece gerçek zamanlı, pil ile çalışan DNA analizini daha uygulanabilir kılıyor.

Elektriksel dalgalanmalardan genetik koda

Modern nanopore dizileme cihazları DNA ipliklerini küçük bir delikten geçirir ve bazlar geçerken iyon akışının nasıl değiştiğini ölçer. Dört net sinyal seviyesinden ziyade cihaz, her ölçümün aynı anda birkaç komşu bazı yansıttığı gürültülü bir zaman serisi üretir. Bu, diziyi çözmeyi yoğun gürültü altında bir desen tanıma problemi haline getirir. Basecalling algoritmaları bu dalgalanan sinyalleri elemek ve gözlenen sinyali en muhtemel şekilde üreten DNA dizilerini çıkarsamak zorundadır; çünkü daha sonraki tüm adımlar—genom birleştirme veya mutasyon bulma gibi—bu ilk adımın doğru olmasına bağlıdır.

Gürültülü sinyaller için olasılıksal bir yol haritası

Yazarlar, DNA çözümlemesini gelen sinyali izlerken olası kısa baz desenleri ağında hareket etmek olarak ele alan Gizli Markov Modeli (HMM) adlı bir teknik üzerine kuruyorlar. Bu ağdaki her durum küçük bir baz bloğuna karşılık gelir ve durumlar arasındaki geçişler DNA ipliğinin nanopordan nasıl kayabileceğini temsil eder. Viterbi algoritmasını kullanarak sistem, gözlemlenen sinyali üretebilecek en olası durak yolu için arama yapar. Bu yaklaşım donanım için caziptir: matematiksel olarak sağlamdır, gürültüyü doğal olarak yönetir ve daha fazla durum eklenerek ölçeklendirilebilir; çekirdek işlemleri—toplama, karşılaştırma ve sayısal skorların saklanması—bir çip üzerine sabitlenebilecek kadar basittir.

Zarif, tekrar kullanılabilir bir basecalling motoru tasarlamak

Basit bir donanım uygulaması her olası duruma ve her olası geçişe ayrı devre ayırırdı; bu yüksek hız sağlar ancak çok büyük ve enerji aç bir çip ortaya çıkarırdı. Bunun yerine yazarlar zaman içinde daha küçük yapı taşlarının yeniden kullanılmasını sağlayan seri-paralel bir mimari tanıtıyor. Önce verimli bir 16 durumlu işleme birimi tasarlıyorlar ve ardından bu bloğun tam 64 durumlu bir modeli ele almasını, hatta gerektiğinde 4096 duruma kadar destek verebilmeyi sağlamak için akıllı zamanlama ve paylaşım uyguluyorlar. Ana hileler arasında birçok durumun aynı aritmetik donanımı paylaşacağı şekilde durum geçişlerini düzenlemek, büyük karşılaştırmaları küçük dört girişli aşamalara bölmek ve logaritma gibi maliyetli fonksiyonları çip dışında önhesaplamak yer alıyor. Birlikte bu tercihler, devre miktarında dramatik azalma karşılığında işlem döngülerinde mütevazı bir artış takas ediyor.

Hız, doğruluk ve pil ömrü arasında denge

Standart bir 130 nanometre çip sürecinde üretilen önerilen basecaller, gerçek zamanlı dizileme ile başa çıkmaya yetecek hızda—saniyede yaklaşık 8 milyon DNA bazı işleyerek—sadece 200 miliwatt güç tüketiyor. Kodlama doğruluğu (%94,3) aynı modelleme yaklaşımını kullanan birkaç yazılım aracını geride bırakıyor ve önceki bir donanım hızlandırıcısını hafifçe geçiyor; buna karşın birçok rakip tasarımdan dört ila altı kat daha az güç kullanıyor. Birkaç puan daha yüksek doğruluğa ulaşan derin öğrenme basecaller'ları ile karşılaştırıldığında ise onlarca vat gücü ve karmaşık donanım gerektiren bu yaklaşımlara kıyasla çip bazı zirve performansından feragat ederek daha basit, daha öngörülebilir ve çok daha enerji verimli bir çalışma sunuyor. Ölçümler ve simülasyonlar, sabit nokta aritmetiğinin uygun bit genişlikleriyle yapılandırıldığında kayan nokta referans sonuçlarıyla eşleşecek kadar hassas olduğunu doğruluyor.

Cebe sığan genomiklere doğru

Uzman olmayanlar için ana çıkarım, bu çalışmanın DNA çözümlemesini hacimli bilgisayarlara veya güç tüketen grafik işlemcilere dayanmadan telefon boyutunda bir cihazda veya sahada kullanılabilir bir analizörde çalıştırılabilecek düzeye yaklaştırmasıdır. İyi anlaşılmış bir istatistiksel yöntemi dikkatle kompakt, tekrar kullanılabilir bir donanım motoruna dönüştürerek yazarlar, genomların hızlı, doğru ve tutumlu enerji kullanımıyla okunmasının mümkün olduğunu gösteriyor. Gelecekte bu yaklaşımı daha hafif derin öğrenme teknikleriyle harmanlamayı öngörseler de, mevcut haliyle bile çip, bir sonraki nesil mobil ve gömülü DNA dizileme sistemleri için güçlü bir temel sunuyor.

Atıf: Shahraki, A.S., Magierowski, S., Abbasi, M. et al. Low power reprogrammable DNA basecaller with an efficient HMM accelerator for real time nanopore sequencing. Sci Rep 16, 11425 (2026). https://doi.org/10.1038/s41598-026-41649-2

Anahtar kelimeler: nanopore dizileme, DNA basecalling, düşük güçlü donanım, Gizli Markov Modeli, ASIC hızlandırıcı