RNASeek: A Cross-Phyla Generative Foundation Model for Multipurpose RNA Modeling and Reinforcement Learning-Based Design
RNASeek è un modello fondazionale generativo da 1,6 miliardi di parametri che sfrutta l'apprendimento per rinforzo per unificare la rappresentazione delle sequenze di RNA, la predizione funzionale e il design de novo, generando con successo ribozimi e 3' UTR validati sperimentalmente con prestazioni migliorate.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
All'interno di ogni cellula vivente avviene una conversazione vasta e intricata, non con le parole, ma con le molecole. Al cuore di questo dialogo c'è l'RNA, una molecola versatile che funge sia da messaggero che da regolatore, trasportando istruzioni dal progetto genetico e decidendo come tali istruzioni vengano eseguite. Per decenni, gli scienziati hanno compreso che l'ordine specifico delle lettere in un filamento di RNA determina la sua forma e la sua funzione, proprio come la disposizione delle lettere in una frase determina il suo significato. Tuttavia, prevedere esattamente come si comporterà una nuova sequenza di lettere è stata una sfida formidabile. Le regole sono complesse, coinvolgono interazioni a lungo raggio e sottili sfumature strutturali che sono difficili da mappare manualmente. Ora, i ricercatori hanno sviluppato un nuovo strumento che apprende queste regole leggendo la letteratura biologica della vita stessa, permettendo loro non solo di prevedere come l'RNA si comporterà, ma anche di progettare molecole interamente nuove con proprietà specifiche e desiderate.
Il team dietro questo lavoro, guidato da ricercatori dell'Università della California, Riverside e dell'Università Columbia, ha creato un enorme programma per computer che chiamano RNASeek. Pensate a questo programma come a uno studente che ha letto ogni libro in una biblioteca contenente le istruzioni genetiche di oltre cento specie diverse, dalle piante e gli animali ai funghi e i virus. A differenza degli strumenti precedenti, che erano stati progettati per risolvere un solo puzzle specifico, RNASeek è stato costruito per comprendere il linguaggio generale dell'RNA. È stato addestrato su un dataset composto da circa 150 miliardi di pezzi di informazione genetica, imparando a riconoscere i modelli nel modo in cui i diversi organismi costruiscono il loro RNA. Il programma ha anche imparato a leggere istruzioni in linguaggio naturale, il che significa che uno scienziato può semplicemente dirgli cosa vuole, come "crea una sequenza di RNA stabile" o "disegna una molecola che si taglia da sola", e il modello tenterà di generare una soluzione.
Per testare se questo studente digitale avesse davvero imparato la lingua, i ricercatori hanno chiesto prima di prevedere il comportamento dei ribozimi. Questi sono molecole di RNA che agiscono come enzimi, capaci di tagliare se stessi o altre molecole. Il team ha fornito al modello migliaia di sequenze di ribozimi note e le loro velocità di taglio misurate. RNASeek è riuscito ad apprendere come prevedere quali sequenze tagliassero velocemente e quali lentamente, identificando caratteristiche sottili che contribuiscono alla velocità, come la flessibilità di certi loop nella struttura della molecola. Il modello è stato performante quanto, o meglio di, molti strumenti specializzati progettati specificamente per questo compito, dimostrando di aver compreso i principi sottostanti di come la struttura dell'RNA determini la funzione.
Incoraggiati da questo successo, i ricercatori hanno spinto il modello oltre, chiedendogli di progettare nuove sequenze di RNA da zero. Si sono concentrati su un altro tipo di RNA presente nella regione 3' non tradotta, una sezione della molecola che aiuta a determinare quanto a lungo l'RNA sopravviva all'interno di una cellula. Una durata maggiore significa che la cellula produce più della proteina che l'RNA codifica, il che è cruciale per terapie come i vaccini a mRNA. I ricercatori hanno utilizzato una tecnica chiamata apprendimento per rinforzo, un metodo in cui il programma per computer gioca a un gioco di tentativi ed errori. Ha generato migliaia di sequenze candidate e una parte separata del modello ha agito come un giudice, valutandole in base a quanto prevedeva fossero stabili. Il programma ha poi regolato la sua strategia per generare candidati migliori, imparando gradualmente a produrre sequenze altamente stabili.
I risultati sono stati sorprendenti. Le sequenze progettate da RNASeek non erano solo combinazioni casuali di lettere; contenevano schemi specifici, come un'abbondanza di adenina e uracile, che sono noti per aiutare a stabilizzare l'RNA. Quando i ricercatori hanno testato questi design generati dal computer in un ambiente di laboratorio, hanno scoperto che le nuove sequenze si comportavano eccezionalmente bene. Alcune delle molecole progettate erano persino più stabili delle migliori sequenze trovate in natura o di quelle create da altri strumenti di intelligenza artificiale. Fondamentalmente, quando i ricercatori hanno rimescolato le lettere di questi design di successo, rimescolando il loro ordine pur mantenendo gli stessi ingredienti, la stabilità è svanita. Ciò ha confermato che il successo derivava dalla specifica disposizione delle lettere, non solo dalla composizione chimica, provando che il modello aveva appreso la vera sintassi del linguaggio.
Lo studio ha anche dimostrato che il modello può seguire istruzioni complesse. Gli scienziati potevano chiedere al programma di generare una sequenza di RNA stabile che includesse un motivo specifico per il clonaggio o escludesse un particolare schema che potrebbe causare problemi. Il modello è riuscito ad aderire a questi vincoli pur ottimizzando la stabilità. Questa capacità di seguire comandi in linguaggio naturale e produrre parti biologiche funzionali suggerisce un nuovo modo di ingegnerizzare la vita. Invece di affidarsi a cicli lenti ed costosi di tentativi ed errori in laboratorio, gli scienziati possono ora utilizzare un sistema unificato per prevedere come l'RNA si comporterà e progettare nuove molecole per soddisfare esigenze precise. Il lavoro stabilisce che un singolo modello su larga scala può colmare il divario tra la comprensione dei dati biologici e la creazione di nuovi strumenti biologici funzionali, aprendo la porta a una progettazione più efficiente di terapie e strumenti di ricerca.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.