RiboGRAM learns multi-scale non-coding RNA grammar for structural and regulatory inference
Questo articolo presenta RiboGRAM, un modello di deep learning che scopre una grammatica posizionale multi-scala nelle sequenze di RNA non codificante per consentire l'inferenza strutturale non supervisionata e l'analisi dei motivi regolatori attraverso diversi organismi e tipi cellulari.
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
La vita è costruita su un linguaggio di molecole e, per decenni, gli scienziati hanno compreso la grammatica di un particolare dialetto: le istruzioni che dicono alle cellule come costruire le proteine. Questo codice viene letto in triplette, come una frase dove ogni tre lettere formano una parola distinta con un significato chiaro. Ma il resto dello script genetico, le vaste estensioni di RNA che non codificano per le proteine, è rimasto un mistero. Questi RNA non codificanti agiscono come regolatori, interruttori e impalcature strutturali, eppure la loro organizzazione interna sembrava caotica, priva delle regole evidenti che governano le sequenze di sintesi proteica. Senza un modo per leggere questo linguaggio nascosto, comprendere come queste molecole si ripiegano in forme complesse o come interagiscono con il resto del macchinario cellulare è stato un ostacolo significativo.
Un team di ricercatori ha ora scoperto un insieme di regole che governano questo elusivo linguaggio, rivelando che l'RNA non codificante segue una grammatica distinta e apprendibile, definita da come brevi pattern di lettere sono disposti e da dove appaiono lungo la molecola. Hanno sviluppato un nuovo modello informatico, chiamato RiboGRAM, che ha imparato a leggere questi pattern studiando milioni di sequenze di RNA provenienti da nove diversi organismi, dai batteri agli esseri umani. Il modello ha scoperto che, mentre le sequenze che codificano per le proteine rimangono relativamente stabili da un'estremità all'altra, gli RNA non codificanti cambiano in modo prevedibile man mano che ci si sposta dall'inizio alla fine della molecola. Nello specifico, i ricercatori hanno scoperto che determinate combinazioni di lettere, in particolare quelle ricche della lettera U, diventano più frequenti verso la fine della sequenza. Questo spostamento direzionale, combinato con l'uso specifico di brevi gruppi di lettere a diverse scale, forma un progetto strutturale che il modello può ora decodificare.
Addestrandosi su questa vasta collezione di RNA non codificante, il modello ha imparato a organizzare queste molecole in famiglie e persino a prevedere le loro forme fisiche senza essere stato esplicitamente istruito su cosa sia una forma. Quando i ricercatori hanno testato la capacità del modello di capire quali parti di un filamento di RNA si uniscono per formare una doppia elica, esso ha avuto successo molto meglio dei modelli addestrati solo sulle istruzioni di codifica proteica. In effetti, il modello poteva identificare queste connessioni con un alto grado di precisione, suggerendo che la sequenza stessa contenga gli indizi necessari affinché la molecola si ripieghi correttamente. Questa capacità ha permesso al team di costruire modelli tridimensionali di brevi molecole di RNA partendo da zero, usando solo la sequenza di lettere come guida, ottenendo risultati che rivaleggiano con metodi più complessi che richiedono estesi dati evolutivi.
Il potere di questa nuova grammatica va oltre il semplice ripiegamento; spiega anche come queste molecole interagiscono con le proteine. Quando i ricercatori hanno applicato il loro modello alle cellule umane, hanno scoperto che il modello poteva prevedere quali sequenze di RNA si legherebbero a proteine specifiche con una precisione sorprendente. Ancora più importante, il modello ha rivelato che la posizione di questi siti di legame non è casuale. Diversi tipi di proteine preferiscono che le loro sequenze bersaglio si trovino in punti specifici rispetto al centro dell'evento di legame, e queste preferenze cambiano a seconda del tipo di cellula. Ad esempio, in alcune cellule, il modello ha riscontrato che le proteine favorivano sequenze ricche di certe lettere, mentre in altre cellule la preferenza era cambiata, e il modello riusciva a rilevare questo cambiamento. Ciò suggerisce che la "grammatica" dell'RNA non è statica ma si adatta all'ambiente cellulare, influenzando il modo in cui l'informazione genetica viene regolata.
I ricercatori hanno anche testato se il loro modello potesse gestire la complessità di filamenti di RNA più lunghi e intricati. Sebbene il modello abbia performato eccezionalmente bene su sequenze più brevi, la sua precisione è leggermente diminuita man mano che le molecole crescevano, una sfida che rispecchia la difficoltà di prevedere la struttura di grandi e complesse molecole in generale. Tuttavia, anche con queste limitazioni, il modello ha fornito un nuovo modo per vedere l'ordine nascosto nell'RNA non codificante. Ha dimostrato che la sequenza di lettere non è solo un portatore passivo di informazioni, ma un progetto attivo che detta come la molecola si comporta, si ripiega e interagisce con il resto della cellula.
Questo lavoro stabilisce che l'RNA non codificante possiede una grammatica apprendibile che può essere decodificata dall'intelligenza artificiale moderna. Identificando i pattern multi-scala e i gradienti direzionali che definiscono queste molecole, i ricercatori hanno fornito uno strumento in grado di prevedere struttura e funzione senza necessitare di una conoscenza pregressa della forma della molecola. La capacità del modello di generalizzare attraverso diverse specie e tipi cellulari suggerisce che queste regole siano fondamentali per il funzionamento dell'RNA in biologia. Mentre il team continua a perfezionare questi strumenti, offre una nuova lente attraverso la quale osservare il macchinario molecolare della vita, trasformando uno script un tempo misterioso in un linguaggio leggibile e comprensibile.
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.