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

Au cœur de chaque cellule vivante, un processus d'édition discret mais critique a lieu pour garantir que les bonnes instructions sont suivies. Les cellules produisent de longs brins de matériel génétique qui servent de plans, mais ces plans comportent souvent des sections supplémentaires et inutiles qui doivent être découpées avant de pouvoir être utilisées. Parmi ces fragments découpés les plus importants figurent de minuscules molécules appelées micro-ARN. Ces petits morceaux de code génétique ne construisent pas de protéines eux-mêmes ; au contraire, ils agissent comme des interrupteurs précis capables d'éteindre des gènes spécifiques, neutralisant ainsi les messages qui seraient autrement exécutés. Pour fonctionner, ces molécules doivent être découpées de leurs formes précurseurs plus larges à des endroits exacts. Si la coupe se produit au mauvais endroit, la molécule résultante peut ne pas fonctionner ou pourrait perturber l'équilibre délicat de la cellule. Pour les scientifiques, prédire exactement où ces coupes se produiront à travers la vaste diversité du vivant est resté un défi difficile, limitant notre capacité à comprendre comment ces interrupteurs fonctionnent chez différents animaux ou à en concevoir de nouveaux pour la recherche et la médecine.

Une équipe de chercheurs a maintenant développé un nouvel outil informatique appelé miRstring qui répond à ce casse-tête de longue date en traitant les séquences génétiques comme un langage à lire et à comprendre. Plutôt que de s'appuyer sur des règles rigides concernant l'apparence de ces molécules, ce système apprend les motifs du code génétique naturel en étudiant une collection massive de données. Les chercheurs ont entraîné le modèle sur 77 708 molécules précurseurs trouvées dans 414 espèces différentes, lui permettant d'observer comment la nature gère systématiquement le processus de découpe à travers l'arbre de la vie. Le résultat est un cadre capable d'examiner un précurseur génétique brut et de prédire avec précision les quatre limites spécifiques qui définissent la molécule de micro-ARN finale et fonctionnelle. Cette capacité permet à l'outil d'identifier le tout premier bloc de construction de la molécule mature avec un haut degré de précision, un détail que les méthodes précédentes manquaient souvent.

Ce qui rend cette approche particulièrement puissante, c'est que le système ne se contente pas de deviner ; il semble comprendre la mécanique biologique du processus. Lorsque les chercheurs ont examiné la manière dont le modèle prenait ses décisions, ils ont constaté que sa focalisation interne mettait naturellement en évidence les endroits exacts où les enzymes cellulaires effectuent généralement leurs coupes. Cela suggère que l'outil a appris les véritables règles biologiques qui régissent le traitement de ces molécules, plutôt que de simplement mémoriser des motifs. Le modèle s'est avéré robuste, même lorsqu'il a été testé sur des espèces qu'il n'avait jamais vues auparavant, surpassant les méthodes existantes dans l'identification des limites correctes. Cette fiabilité à travers différentes formes de vie signifie que l'outil peut être utilisé pour annoter et comprendre les micro-ARN chez des organismes où ils étaient auparavant difficiles à cartographier.

Au-delà de la simple lecture de ce qui existe dans la nature, les chercheurs ont démontré que cette compréhension pouvait être utilisée pour créer quelque chose de nouveau. Ils ont employé le modèle pour concevoir des précurseurs artificiels qui produiraient des micro-ARN spécifiques et sur mesure. Lorsque ces molécules conçues ont été testées, elles ont réussi à réprimer leurs messages cibles, confirmant que les conceptions générées par ordinateur fonctionnaient comme prévu dans un contexte biologique. Ce travail établit une voie évolutive allant de l'analyse des séquences génétiques naturelles à l'ingénierie de nouvelles séquences, offrant un moyen d'exploiter l'intelligence artificielle pour la conception d'outils de petits ARN. En comblant le fossé entre le décodage de la biologie naturelle et la création de solutions synthétiques, l'étude ouvre une voie vers une ingénierie génétique plus précise et plus largement applicable à travers de nombreuses espèces différentes.