miRstring: An RNA language model enables mature miRNA decoding and artificial small RNA design across species

Dentro de cada célula viva, se lleva a cabo un proceso de edición silencioso pero crítico para asegurar que se sigan las instrucciones correctas. Las células producen largas hebras de material genético que actúan como planos, pero estos planos a menudo vienen con secciones adicionales e innecesarias que deben ser recortadas antes de que puedan ser utilizadas. Entre estos fragmentos recortados más importantes se encuentran unas diminutas moléculas llamadas microARN. Estas pequeñas piezas de código genético no construyen proteínas por sí mismas; en su lugar, actúan como interruptores precisos que pueden apagar genes específicos, silenciando efectivamente los mensajes que de otro modo se llevarían a cabo. Para funcionar, estas moléculas deben ser cortadas de sus formas precursoras más grandes en lugares exactos. Si el corte ocurre en el lugar equivino, la molécula resultante puede no funcionar o podría alterar el delicado equilibrio de la célula. Para los científicos, predecir exactamente dónde ocurrirán estos cortes a través de la vasta diversidad de la vida ha seguido siendo un desafío difícil, limitando nuestra capacidad para entender cómo funcionan estos interruptores en diferentes animales o para diseñar nuevos para la investigación y la medicina.

Un equipo de investigadores ha desarrollado ahora una nueva herramienta computacional llamada miRstring que aborda este rompecabezas de larga data tratando las secuencias genéticas como un lenguaje para ser leído y comprendido. En lugar de depender de reglas rígidas sobre cómo deberían verse estas moléculas, este sistema aprende los patrones del código genético natural mediante el estudio de una colección masiva de datos. Los investigadores entrenaron el modelo con 77.708 moléculas precursoras encontradas en 414 especies diferentes, permitiéndole observar cómo la naturaleza maneja consistentemente el proceso de corte a través del árbol de la vida. El resultado es un marco que puede observar un precursor genético bruto y predecir con precisión los cuatro límites específicos que definen la molécula de microARN final y funcional. Esta capacidad permite que la herramienta identifique el primer bloque de construcción de la molécula madura con un alto grado de precisión, un detalle que los métodos anteriores a menudo pasaban por alto.

Lo que hace que este enfoque sea particularmente poderoso es que el sistema no solo adivina; parece comprender la mecánica biológica del proceso. Cuando los investigadores examinaron cómo el modelo tomaba sus decisiones, encontraron que su enfoque interno resaltaba naturalmente los puntos exactos donde las enzimas celulares suelen realizar sus cortes. Esto sugiere que la herramienta ha aprendido las reglas biológicas genuinas que gobiernan cómo se procesan estas moléculas, en lugar de simplemente memorizar patrones. El modelo demostró ser robusto incluso cuando fue probado en especies que no había visto antes, superando a los métodos existentes en la identificación de los límites correctos. Esta fiabilidad a través de diferentes formas de vida significa que la herramienta puede utilizarse para anotar y comprender los microARN en organismos donde anteriormente eran difíciles de mapear.

Más allá de simplemente leer lo que existe en la naturaleza, los investigadores demostaron que este entendimiento podría utilizarse para crear algo nuevo. Emplearon el modelo para diseñar precursores artificiales que producirían microARN específicos y hechos a medida. Cuando estos diseños moleculares fueron probados, reprimieron con éxito sus mensajes objetivo, confirmando que los diseños generados por computadora funcionaban según lo previsto en un entorno biológico. Este trabajo establece un camino escalable desde el análisis de secuencias genéticas naturales hasta la ingeniería de nuevas secencias, ofreciendo una forma de aprovechar la inteligencia artificial para el diseño de herramientas de ARN pequeño. Al cerrar la brecha entre la decodificación de la biología natural y la creación de soluciones sintéticas, el estudio abre una ruta hacia una ingeniería genética más precisa y ampliamente aplicable en muchas especies diferentes.