fbpx Nanopori per sequenze rapide | Page 2 | Scienza in rete

Nanopori per sequenze rapide

Primary tabs

Read time: 3 mins

All'apparenza può essere scambiata per una semplice chiavetta USB, ma in realtà al suo interno contiene un piccolo laboratorio in miniatura, in grado di sequenziare in pochi secondi il DNA. Il suo nome è MinION e l'azienda produttrice è la società britannica Oxford Nanopore Technologies, guidata da Clive Brown. Il principio scientifico su cui si basa il prodotto è lo stesso che dà il nome all'azienda, ovvero l'uso di nanopori (molecole organiche con una sorta di foro centrale di diametro di 1nm=10-9m).

In sostanza, il DNA è fatto passare attraverso nanostrutture, che costringono a scomporre, “srotolare”, la lunga catena di basi, che costituisce l'informazione genetica. Successivamente il dispositivo, attraverso un sistema di registrazione, memorizza le varie sequenze che verranno, a sua volta, messe nell'ordine giusto al fine di ricostruire l'intero DNA. A questo punto basterà collegare l'apparecchio al nostro PC, per mezzo di una porta USB, e leggere così il genoma con un opportuno software.

Oltre alla sua portabilità estrema, quello che sorprende è il costo, appena 900 dollari e la semplicità nella preparazione del campione: infatti quasi qualsiasi DNA a doppio filamento in soluzione può essere sequenziato senza essere precedentemente amplificato. Un vantaggio notevole sia in termini di tempo e costi rispetto alle altre tecnologie presenti sul mercato.

Attualmente MinION garantisce la sua massima efficienza e velocità solo con sequenze di DNA “relativamente” brevi come virus e batteri. L'ha mostrato la Oxford Nanopore pubblicamente, in occasione della conferenza Advances in Genome Biology and Tecnology (AGBT), avvenuta il 17 Febbraio 2012 a Marco Island in Florida, durante la quale il dispositivo è stato in grado di sequenziare il DNA di un semplice virus, chiamato Phi X, in pochissimi secondi.

Per il sequenziamento di un intero genoma umano bisognerà affidarsi a un altro strumento, GridION, basato sulla stessa tecnologia di MinION, che sarà in grado di farlo nel giro di 15 minuti. Un risultato sorprendente se si pensa che il primo sequenziamento del genoma umano operato dalla Celera Genomics di Craig Venter ebbe bisogno di più di un anno. GridION è un sistema modulare, costituito da diversi dispositivi impilati uno sopra l'altro, progettato dalla Oxford Nanopore per essere usato soprattutto nei laboratori non mobili e grandi centri di sequenziamento.

Un altro importante risvolto della tecnologia innovativa di Oxford Nanopore è rappresentato dalle ricadute sul mercato azionario. Infatti, subito dopo la presentazione avvenuta all'AGBT, le azioni di Life Technologies e Illumina, attuali colossi del mercato del sequenziamento, hanno subito una flessione significativa rispettivamente del 6 e del 3%. Alla luce della recente aggressiva proposta di acquisizione da parte di Roche (altra grande multinazionale del settore) nei confronti di Illumina e il fatto che la stessa possiede degli interessi verso Oxford Nanopore, come proseguirà la lotta per il predominio del mercato del sequenziamento?

Autori: 
Sezioni: 
DNA

prossimo articolo

Perché le reti neurali hanno vinto i Nobel per la fisica e la chimica?

Quest'anno l'Intelligenza Artificiale ha fatto la parte del leone nei Nobel per la fisica e la chimica. Meglio sarebbe dire machine learning e reti neurali, grazie al cui sviluppo si devono sistemi che vanno dal riconoscimento di immagini alla IA generativa come Chat-GPT. In questo articolo Chiara Sabelli racconta la storia della ricerca che ha portato il fisico e biologo John J. Hopfield e l'informatico e neuroscienzato Geoffrey Hinton a porre le basi dell'attuale machine learning.

Immagine modificata a partire dall'articolo "Biohybrid and Bioinspired Magnetic Microswimmers" https://onlinelibrary.wiley.com/doi/epdf/10.1002/smll.201704374

Il premio Nobel per la fisica 2024 è stato assegnato a John J. Hopfield, fisico e biologo statunitense dell’università di Princeton, e a Geoffrey Hinton, informatico e neuroscienziato britannico dell’Università di Toronto per aver sfruttato strumenti della fisica statistica nello sviluppo dei metodi alla base delle potenti tecnologie di machine learning di oggi.