|
Искусственный интеллект сворачивает молекулы РНК
|
|
|
|
Для функционирования многих биомолекул их трехмерная структура имеет решающее значение. Поэтому исследователей интересует не только последовательность отдельных строительных блоков биомолекул, но и их пространственная структура. С помощью искусственного интеллекта (ИИ) биоинформатики уже могут надежно предсказывать трехмерную структуру белка по его аминокислотной последовательности. Однако для молекул РНК эта технология все еще находится в зачаточном состоянии. Исследователи из Рурского университета Бохума (RUB) описывают способ использования ИИ для надежного прогнозирования структуры определенных молекул РНК на основе их нуклеотидной последовательности в журнале PLOS Computational Biology от 7 июля 2022 года. Для работы группы под руководством Вивиан Бранденбург и профессора Франца Нарберхауса с кафедры биологии микроорганизмов RUB сотрудничали с профессором Акселем Мосигом из области компетенции биоинформатики Бохумского центра белковой диагностики. «РНК часто рассматривается только как посредник между геномной ДНК и белками», — говорит Аксель Мозиг.
|
|
|
«Но многие молекулы РНК берут на себя клеточные функции». Для этого важна их пространственная структура. Подобные области в нуклеотидной последовательности могут группироваться вместе, образуя трехмерные структуры. «Идентификация этих самоподобий в последовательности РНК похожа на математическую головоломку», — объясняет Вивиан Бранденбург. Для этой головоломки существует биофизическая модель с соответствующими алгоритмами предсказания. Однако модель не может учитывать клеточное окружение РНК, и это также влияет на процесс сворачивания. «Если бы РНК была выделена и плавала в водном растворе, модель могла бы очень точно предсказать структуру», — говорит Бранденбург. Но живая клетка содержит много других компонентов. Здесь в игру вступает искусственный интеллект. ИИ может изучать тонкие закономерности клеточной среды на основе известных структур. Затем он мог бы включить эти выводы в свои структурные прогнозы. Однако для процесса обучения ИИ требуется достаточное количество обучающих данных, а на практике их не хватает.
|
|
|
|
Чтобы решить проблему недостающих обучающих данных, команда из Бохума применила хитрость: исследователи работали с известными структурными мотивами РНК. Используя своего рода реверсивную передачу, они могли генерировать почти любое количество нуклеотидных последовательностей из энергетических моделей этих структур, которые складывались бы в эти пространственные структуры. С помощью этого так называемого обратного сворачивания исследователи создали множество пар нуклеотидных последовательностей и структур, с помощью которых они могли обучать ИИ. Затем исследователи поставили перед ИИ новую задачу: ему нужно было предсказать структуру определенных молекул бактериальной РНК. Эти молекулы, называемые терминаторами транскрипции, являются важными стоп-сигналами при трансляции геномной ДНК у бактерий. Часто, как и многие другие молекулы РНК с важными клеточными функциями, они скрыты в геноме и их трудно отличить от участков с другими функциями. Искусственный интеллект смог надежно распознать и предсказать типичную структуру терминаторов транскрипции, напоминающую шпильку. Исследовательская группа смогла доказать это, используя общедоступные экспериментальные данные. «В то время как подходы ИИ теперь почти неизбежны для предсказания структур белков, разработка структур РНК только начинается», — говорит Аксель Мосиг.
|
|
|
|
Источник
|
