La teoria matematica della comunicazione di Shannon applicata al sequenziamento del DNA

Uno dei grandi eroi non celebrati della scienza del 20 ° secolo è Claude Shannon, un ingegnere dei famosi Bell Laboratories durante il suo periodo di massimo splendore a metà del 20 ° secolo. Il contributo più duraturo di Shannon alla scienza è la teoria dell'informazione, che è alla base di tutta la comunicazione digitale.

In un famoso articolo della fine degli anni Quaranta, Shannon poneva il problema fondamentale della comunicazione: riprodurre, in un punto dello spazio, un messaggio creato in un altro. Il messaggio viene prima codificato in qualche modo, trasmesso e quindi decodificato.

Shannon ha mostrato che un messaggio può sempre essere riprodotto in un altro punto nello spazio con precisione arbitraria, a condizione che il rumore sia al di sotto di un certo livello di soglia. Ha continuato a calcolare quante informazioni potrebbero essere inviate in questo modo, una proprietà nota come capacità di questo canale di informazioni.

Le idee di Shannon sono state ampiamente applicate a tutte le forme di trasmissione delle informazioni con molto successo. Una strada particolarmente interessante è stata l'applicazione della teoria dell'informazione alla biologia: l'idea che la vita stessa sia la trasmissione di informazioni da una generazione all'altra.

Quel tipo di pensiero è in corso, rivoluzionario e ancora nelle sue fasi iniziali. C'è molto da fare.

Oggi guardiamo a un interessante corollario nell'area della trasmissione dell'informazione biologica. Abolfazl Motahari e compagni dell'Università della California, Berkeley, usano l'approccio di Shannon per esaminare la rapidità con cui le informazioni possono essere estratte dal DNA utilizzando il processo di sequenziamento del fucile.

Il problema qui è determinare la sequenza dei nucleotidi (A, G, C e T) in un genoma. Ciò richiede molto tempo perché i genomi tendono ad essere lunghi, ad esempio il genoma umano è costituito da circa 3 miliardi di nucleotidi o coppie di basi. Questo richiederebbe un'eternità per la sequenza in serie.

Quindi l'approccio shotgun prevede il taglio del genoma in pezzi casuali, costituiti da 100 e 1.000 coppie di basi, e il loro sequenziamento in parallelo. Le informazioni vengono quindi incollate di nuovo insieme in silicone da un cosiddetto algoritmo di riassemblaggio.

Ovviamente, non c'è modo di sapere come riassemblare le informazioni da una singola lettura del genoma. Quindi, nell'approccio shotgun, questo processo viene ripetuto molte volte. Poiché ogni lettura divide il genoma in un modo diverso, i pezzi si sovrappongono inevitabilmente ai segmenti di una corsa precedente. Queste aree di sovrapposizione consentono di ricomporre l'intero genoma, come un puzzle.

Puzza come un classico problema della teoria dell'informazione, e infatti diverse persone hanno pensato in questo modo. Tuttavia, Motahari e compagni fanno un ulteriore passo avanti riaffermandolo più o meno esattamente come un analogo del famoso approccio di Shannon.

Dicono che il problema del sequenziamento del genoma sia essenzialmente quello di riprodurre un messaggio scritto nel DNA, in un formato elettronico digitale. In questo approccio, il messaggio originale è nel DNA, viene codificato per la trasmissione mediante il processo di lettura e quindi decodificato da un algoritmo di riassemblaggio per produrre una versione elettronica.

Ciò che dimostrano è che esiste una capacità del canale che definisce una velocità massima di flusso di informazioni durante il processo di sequenziamento. Dà il numero massimo di coppie di basi del DNA che possono essere risolte per lettura, da qualsiasi algoritmo di assemblaggio, senza riguardo alle limitazioni computazionali, dicono.

Questo è un risultato significativo per chiunque sia interessato al sequenziamento dei genomi. Una domanda importante è quanto velocemente una particolare tecnologia di sequenziamento può svolgere il proprio lavoro e se è più veloce o più lenta rispetto ad altri approcci.

Al momento non è possibile risolverlo perché molti degli algoritmi utilizzati per l'assemblaggio sono progettati per tecnologie e approcci alla lettura specifici. Motohari e co dicono che ci sono almeno 20 diversi algoritmi di riassemblaggio, per esempio. Questo rende difficile confrontare diversi algoritmi, dicono.

Di conseguenza, nessuno sa veramente quale sia il più veloce o addirittura quale abbia il potenziale per essere il più veloce.

Il nuovo lavoro cambia questo. Per la prima volta, dovrebbe essere possibile calcolare quanto una data tecnologia di sequenziamento si avvicina al limite teorico.

Ciò potrebbe costringere a rimuovere il legno morto da quest'area e stimolare un periodo di rapida innovazione nella tecnologia di sequenziamento.

Rif: arxiv.org/abs/1203.6233 : Teoria dell'informazione del sequenziamento del DNA

nascondere