[论文解读] Group testing problems in experimental molecular biology

Emanuel Knill, S. Muthukrishnan|ArXiv.org|May 4, 1995

SARS-CoV-2 detection and testing被引用 14

一句话总结

本文在实验分子生物学中提出了新颖的群体测试问题，聚焦于非自适应筛选策略，涵盖确认性检测、容错能力以及生物约束条件（如带宽限制和 de Bruijn 图结构）。研究引入了针对实际筛选成本、污染和概率先验的群体测试实用变体，主要贡献在于优化池设计，并在生物现实条件下最小化确认性检测次数。

ABSTRACT

In group testing, the task is to determine the distinguished members of a set of objects L by asking subset queries of the form ``does the subset Q of L contain a distinguished object?'' The primary biological application of group testing is for screening libraries of clones with hybridization probes. This is a crucial step in constructing physical maps and for finding genes. Group testing has also been considered for sequencing by hybridization. Another important application includes screening libraries of reagents for useful chemically active zones. This preliminary report discusses some of the constrained group testing problems which arise in biology.

研究动机与目标

• 通过制定非自适应群体测试策略，最小化总实验成本，解决分子生物学中池制备与筛选的高昂成本问题。
• 引入现实约束条件，如带宽限制（bounded bandwidth）和 de Bruijn 图结构，以建模物理作图和杂交测序应用。
• 在存在噪声或不可靠筛选结果的情况下，优化所构建池的数量与所需确认性个体检测数量之间的权衡。
• 结合贝叶斯解码与平均情况分析，当已知阳性对象的先验概率时，提高效率。
• 开发反映真实生物筛选工作流程的问题公式，包括多探针筛选、污染以及假阳性和假阴性率。

提出的方法

• 提出两阶段策略：首先并行筛选预先构建的池，然后对第一轮中识别出的候选对象进行个体确认性检测。
• 在带宽限制（B(w)）和 de Bruijn 图结构等约束下制定群体测试问题，以建模基因组克隆文库和杂交测序应用。
• 利用单调连续一的性质建模物理作图中的关联矩阵，从而实现对探针-对象关系的高效恢复。
• 应用平均情况分析与贝叶斯解码，基于测试结果和先验分布估计对象为阳性的后验概率。
• 优化池设计以最小化池的数量和确认性检测次数，并对额外确认性检测次数（h）给出显式上界。
• 通过允许假阳性和假阴性来建模实验噪声，并将容错能力整合进问题公式中。

实验结果

研究问题

• RQ1 在带宽限制下，最多允许 h 次额外确认性检测时，为始终识别出阳性集合，所需的最少池数是多少？
• RQ2 在最坏情况或平均情况假设下，如何优化池设计以在将确认性检测次数限制在 h 的同时，最大化可筛选的对象数量？
• RQ3 生物约束条件（如 de Bruijn 图结构或单调连续一性质）如何影响物理作图中群体测试的效率？
• RQ4 实验噪声（假阳性与假阴性）对克隆筛选中群体测试策略的可靠性与成本有何影响？
• RQ5 当已知阳性集合的先验分布时，贝叶斯解码如何提升准确性并减少确认性检测次数？

主要发现

• 在一项包含 15,000 个克隆、每个探针平均预期有 2.5 个阳性克隆的真实筛选实验中，尽管假阴性率高达 10%，假阳性率也达 7%，约 60% 的筛选结果仅通过少量确认性检测即识别出阳性克隆。
• 在实践中，传统的两阶段策略——池筛选后接个体确认性检测——依然至关重要，对阴性对象的额外确认性检测是主要成本来源。
• 带宽限制假设（B(w)）可建模阳性克隆被限制在宽度为 w 的基因组区间内的物理作图场景，从而缩小搜索空间并实现高效的池设计。
• de Bruijn 图假设可建模杂交测序，其中探针的出现依赖于 k-mer 的重叠，从而可基于字符串重叠特性实现结构化池设计。
• 具有单调连续一性质的群体测试问题可通过结构化池化与确认性检测实现关联矩阵的高效恢复。
• 平均情况分析与贝叶斯解码显著提升了筛选效率，通过基于先验信息估计阳性后验概率，减少了对确认性检测的需求。