RNAflash: Fast and Sensitive Structure-aware RNA Homology Detection and Alignment

In der riesigen Bibliothek des Lebens fungiert RNA als vielseitiger Bote und Verwalter, der Anweisungen von der DNA überträgt und dabei hilft, die Proteine aufzubauen, die unsere Zellen am Laufen halten. Um zu verstehen, wie ein spezifisches RNA-Stück funktioniert, suchen Wissenschaftler oft nach seinen Verwandten – anderen RNA-Molekülen, die einen gemeinsamen Vorfahren teilen. Diese Verwandten, genannt Homologe, sind wie entfernte Cousins in einem Stammbaum; sie mögen an der Oberfläche ganz unterschiedlich aussehen, aber sie falten sich oft in ähnliche Formen, um dieselbe Aufgabe zu erfüllen. Das Finden dieser Cousins ist entscheidend, um vorherzusagen, wie sich eine RNA in ihre dreidimensionale Struktur faltet – ein wesentlicher Schritt, um zu verstehen, wie sie funktioniert und wie sie als Ziel für Medikamente genutzt werden kann. Es gibt jedoch ein hartnäckiges Problem auf diesem Gebiet: Die Werkzeuge, die verwendet werden, um diese Verwandten zu finden, zwingen Wissenschaftler meist dazu, sich zwischen Geschwindigkeit und Genauigkeit zu entscheiden. Schnelle Werkzeuge übersehen oft die entfernten Cousins, da sie sich zu sehr auf exakte Übereinstimmungen der einzelnen Buchstaben verlassen, während die genauen Werkzeuge, die auf die Form des Moleküls achten, so langsam sind, dass sie Tage benötigen, um durch moderne Datenbanken mit Millionen von Sequenzen zu suchen.

Ein Forschungsteam der Shanghai Jiao Tong University hat einen neuen Ansatz namens RNAflash vorgestellt, der darauf abzielt, diesen Kompromiss zu durchbrechen. Ihre Methode fungiert wie eine zweistufige Suchmaschine, die darauf ausgelegt ist, diese schwer fassbaren RNA-Verwandten schnell zu finden und sie dann zu einem nützlichen Familienporträt anzuordnen. Der erste Schritt verwendet ein System, das darauf trainiert wurde, die „Stimme“ von RNA-Sequenzen zu erkennen, selbst wenn sich die Buchstaben im Laufe der Zeit erheblich verändert haben. Anstatt jede einzelne Sequenz einer Abfrage gegen jede Sequenz in einer massiven Datenbank von dreißig Millionen Einträgen zu vergleichen, wandelt dieses System jede Sequenz in eine kompakte Zusammenfassung um. Es nutzt dann einen Hochgeschwindigkeitsindex, um die vielversprechendsten Treffer in einem Bruchteil einer Sekunde zu finden. Dieser erste Durchlauf ist schnell, aber nicht perfekt; er könnte einige Fehlalarme enthalten oder subtile Verbindungen übersehen, die erst bei genauerem Hinsehen deutlich werden.

Um dies zu korrigieren, untersucht der zweite Schritt des Prozesses die besten Kandidaten aus der ersten Runde mit einem viel sorgfältigeren Blick. Diese Phase nutzt eine andere Art der Analyse, die die vorhergesagte Form der RNA-Moleküle betrachtet. Da die Form eines RNA-Moleküls oft stabiler und konservierter ist als seine Sequenz aus Buchstaben, kann dieser Schritt Beziehungen bestätigen, die die schnelle Suche übersehen hat. Er richtet die Sequenzen basierend darauf aus, wie ihre Formen übereinstimmen, und stellt so sicher, dass die endgültige Liste der Verwandten sowohl genau als auch biologisch bedeutsam ist. Das Ergebnis ist eine Sammlung von Sequenzen, die in einem multiplen Sequenzalignment angeordnet sind – einem Raster, das die Verwandten so ausrichtet, dass Wissenschaftler sehen können, wo sie übereinstimmen und wo sie sich unterscheiden. Dieses Raster ist das Fundament für die Vorhersage der 3D-Struktur des Moleküls.

Die Forscher testeten ihr System gegen eine breite Palette bestehender Werkzeuge, einschließlich einiger, die als Goldstandard des Fachbereichs gelten. Sie fanden heraus, dass RNAflash in der Lage war, mehr entfernte Verwandte zu finden als die schnellen, rein sequenzbasierten Werkzeuge, und dass es dies viel schneller erledigte als die langsamen, formbewussten Werkzeuge. In einem groß angelegten Test, bei dem hunderte von Abfragen gegen eine Datenbank von dreißig Millionen Sequenzen durchgeführt wurden, schloss die neue Methode den gesamten Such- und Alignment-Prozess für alle 174 Abfragen in 1.682 Sekunden ab. Im Gegensatz dazu benötigten die traditionellen formbasierten Werkzeuge mehr als 100 Mal länger für dieselbe Aufgabe. Die durch RNAflash erzeugten Alignments waren nicht nur schneller erstellt, sondern auch von höherer Qualität und enthielten mehr nützliche evolutionäre Signale, die Wissenschaftlern helfen zu verstehen, wie sich die RNA faltet.

Das Team entwickelte auch eine leichtere, schnellere Version ihres Werkzeugs für Situationen, in denen die Geschwindigkeit die absolute Priorität ist. Diese Version, genannt RNAflash-L, kann Verwandte in weniger als einer Sekunde pro Abfrage finden und ausrichten. Obwohl sie etwas weniger sensitiv ist als die Vollversion, übertrifft sie andere schnelle Werkzeuge dennoch in der Qualität der erzeugten Alignments. Diese Geschwindigkeit ist signifikant, denn sie bedeutet, dass Forscher nun in der Lage sind, die hochwertigen Familien-Alignments zu generieren, die für fortgeschrittene Strukturvorhersagen erforderlich sind – und zwar in einem Ausmaß, das zuvor unmöglich war. Indem sie es ermöglicht, Millionen von Sequenzen in Sekunden statt in Tagen zu durchsuchen, öffnet diese Arbeit die Tür zur Analyse von RNA-Molekülen, die zuvor zu schwierig zu untersuchen waren, was potenziell die Entdeckung neuer biologischer Funktionen und therapeutischer Ziele beschleunigt.