EukaUTR: a foundation model unifying functional modelling and design of eukaryotic 3′ UTRs
EukaUTR est un modèle de fondation entraîné sur diverses séquences d'UTR 3′ d'eucaryotes qui unifie la prédiction fonctionnelle et la conception de novo, surpassant les modèles de référence existants à travers de multiples tâches de régulation et permettant l'optimisation ciblée des séquences pour réduire les taux de dégradation de l'ARNm.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
Au cœur de chaque cellule vivante, les instructions pour construire des protéines sont écrites dans un code long et complexe appelé ARN messager. Pendant des décennies, les scientifiques se sont presque exclusivement concentrés sur le début de ce code, la partie qui indique à la cellule quelle protéine construire. Cependant, la fin du message, une section connue sous le nom de région 3' non traduite, détient un secret d'un autre genre. Cette queue ne code pas pour une protéine en soi ; elle agit plutôt comme un panneau de commande sophistiqué. Elle contient des signaux qui déterminent la durée de vie du message, son trajet au sein de la cellule et l'efficacité avec laquelle il est lu. Si cette queue est trop courte ou porte les mauvais signaux, le message pourrait être détruit trop rapidement, ou la cellule pourrait produire trop ou trop peu de la protéine finale. Comprendre comment cette région fonctionne est crucial car elle régit le rythme et la quantité des processus essentiels de la vie, pourtant, pendant longtemps, les règles dictant son comportement à travers la vaste diversité du vivant sont restées un mystère.
Une équipe de chercheurs a désormais construit un nouvel outil puissant pour décoder ces règles, créant un système qu'ils appellent EukaUTR. Cet outil est un type d'intelligence artificielle entraînée spécifiquement pour lire et comprendre le langage de ces queues génétiques à travers un large éventail de formes de vie, de l'humain aux poissons en passant par les plantes. Contrairement aux modèles précédents qui ne pouvaient parler que le langage des humains ou des mammifères, ce nouveau système a appris à partir d'une bibliothèque massive contenant près de sept millions de séquences génétiques provenant de plus de mille espèces différentes. En étudiant cette vaste diversité, le modèle a appris à reconnaître les motifs subtils qui contrôlent la gestion des messages génétiques. Les chercheurs ont découvert que ce système pouvait prédire avec une grande précision comment une queue génétique spécifique se comporterait, par exemple sa vitesse de dégradation ou sa capacité à aider à produire une protéine. Lors de tests à travers treize scénarios différents, le nouveau modèle a systématiquement surpassé les outils existants, améliorant souvent la précision des prédictions de plus de vingt-cinq pour cent.
Le pouvoir de ce système va au-delà de la simple lecture de ce qui existe déjà ; il peut également écrire de nouvelles instructions génétiques de toutes pièces. Les chercheurs ont demandé au modèle de générer des queues génétiques entièrement nouvelles qui n'avaient jamais été vues auparavant. Les résultats ont été frappants. Les nouvelles séquences ressemblaient et se comportaient comme du matériel génétique naturel, possédant le même équilibre chimique et les mêmes propriétés structurelles que ceux trouvés dans la nature, tout en étant complètement uniques et ne copiant simplement aucune séquence existante de la bibliothèque d'entraînement. Cela suggère que le modèle a véritablement compris la grammaire sous-jacente de la vie génétique plutôt que de simplement mémoriser un dictionnaire. De plus, l'équipe a développé une méthode pour utiliser cette compréhension afin de corriger des messages génétiques existants. En analysant un petit ensemble de séquences connues pour être stables, ils ont appris au système à identifier quelles parties d'une queue génétique instable causaient l'instabilité. Lorsqu'ils ont appliqué ces conseils pour éditer des séquences instables, le modèle a réussi à réduire le taux de dégradation prédit de trente-sept pour cent, rendant ainsi les messages génétiques beaucoup plus durables.
Malgré ces capacités impressionnantes, les chercheurs veillent à noter ce que leurs travaux prouvent et ne prouvent pas. Le modèle excelle à prédire comment une séquence se comportera en fonction de sa structure et de sa composition, et il peut identifier les régions où des signaux de régulation spécifiques sont susceptibles de se trouver. Cependant, il n'explique pas encore les étapes mécaniques exactes de l'interaction de ces signaux avec la machinerie cellulaire, et l'activité biologique des séquences nouvellement générées n'a pas encore été testée dans une cellule vivante. Les améliorations de la stabilité sont actuellement des prédictions basées sur la compréhension des motifs de séquence par le modèle, et le véritable test viendra lorsque ces séquences modifiées seront mises au travail dans un laboratoire. Néanmoins, ce travail marque une étape importante, fournissant un cadre unifié qui fait passer la conception génétique de la simple prédiction à la création active. Il offre un moyen non seulement de comprendre le langage de régulation complexe de la vie, mais aussi de le parler assez couramment pour concevoir de nouvelles instructions qui pourraient un jour être utilisées pour traiter des maladies ou améliorer la recherche biologique.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.