EukaUTR: a foundation model unifying functional modelling and design of eukaryotic 3′ UTRs
EukaUTR è un modello di fondazione addestrato su diverse sequenze di 3′ UTR eucariotiche che unifica la predizione funzionale e il design de novo, superando i modelli di base esistenti in molteplici compiti regolatori e consentendo l'ottimizzazione mirata delle sequenze per ridurre i tassi di degradazione dell'mRNA.
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, le istruzioni per costruire le proteine sono scritte in un codice lungo e complesso chiamato RNA messaggero. Per decenni, gli scienziati si sono concentrati quasi esclusivamente sull'inizio di questo codice, la parte che dice alla cellula quale proteina costruire. Tuttavia, la fine del messaggio, una sezione nota come regione 3' non tradotta, custodisce un segreto di tipo diverso. Questa coda non codifica una proteina in sé; agisce invece come un sofisticato pannello di controllo. Contiene segnali che determinano quanto tempo il messaggio sopravvive, dove viaggia all'interno della cellula e quanto efficientemente viene letto. Se questa coda è troppo corta o trasporta i segnali sbagliati, il messaggio potrebbe essere distrutto troppo rapidamente, oppure la cellula potrebbe produrre troppa o troppa poca della proteina finale. Comprendere come funziona questa regione è fondamentale perché governa la tempistica e la quantità dei processi essenziali della vita, eppure per molto tempo le regole che ne dettavano il comportamento attraverso la vasta diversità della vita sono rimaste un mistero.
Un team di ricercatori ha ora costruito un nuovo e potente strumento per decodificare queste regole, creando un sistema che chiamano EukaUTR. Questo strumento è un tipo di intelligenza artificiale addestrata specificamente per leggere e comprendere il linguaggio di queste code genetiche in un'ampia gamma di organismi viventi, dagli esseri umani ai pesci fino alle piante. A differenza dei modelli precedenti che potevano parlare solo la lingua degli umani o dei mammiferi, questo nuovo sistema ha imparato da una massiccia libreria contenente quasi sette milioni di sequenze genetiche provenienti da oltre mille specie diverse. Studiando questa vasta diversità, il modello ha imparato a riconoscere i sottili schemi che controllano la gestione dei messaggi genetici. I ricercatori hanno scoperto che questo sistema era in grado di prevedere con alta precisione come una specifica coda genetica si sarebbe comportata, ad esempio quanto velocemente si sarebbe degradata o quanto avrebbe aiutato a produrre una proteina. In test condotti su tredici diversi scenari, il nuovo modello ha superato costantemente gli strumenti esistenti, migliorando spesso l'accuratezza della previsione di oltre il venticinque per cento.
Il potere di questo sistema va oltre il semplice leggere ciò che già esiste; esso può anche scrivere nuove istruzioni genetiche da zero. I ricercatori hanno chiesto al modello di generare code genetiche interamente nuove che non erano mai state viste prima. I risultati sono stati sorprendenti. Le nuove sequenze apparivano e si comportavano come materiale genetico naturale, possedendo lo stesso equilibrio chimico e le stesse proprietà strutturali di quelle trovate in natura, pur essendo completamente uniche e non copiando semplicemente alcuna sequenza esistente dalla libreria di addestramento. Ciò suggerisce che il modello abbia compreso veramente la grammatica sottostante della vita genetica piuttosto che aver semplicemente memorizzato un dizionario. Inoltre, il team ha sviluppato un metodo per utilizzare questa comprensione per correggere i messaggi genetici esistenti. Analizzando un piccolo set di sequenze note per essere stabili, hanno insegnato al sistema a identificare quali parti di una coda genetica instabile ne causassero l'instabilità. Quando hanno applicato questa guida per modificare le sequenze instabili, il modello è riuscito a ridurre con successo il tasso predetto di degradazione del trentasette per cento, rendendo di fatto i messaggi genetici molto più durevoli.
Nonostante queste impressionanti capacità, i ricercatori sono cauti nel sottolineare cosa il loro lavoro dimostri e cosa non dimostri. Il modello eccelle nel prevedere come una sequenza si comporterà in base alla sua struttura e composizione, e può identificare le regioni in cui è probabile che si trovino specifici segnali regolatori. Tuttavia, non spiega ancora i passaggi meccanici esatti di come questi segnali interagiscano con il macchinario cellulare, né l'attività biologica delle nuove sequenze generate è stata testata in una cellula vivente. I miglioramenti nella stabilità sono attualmente previsioni basate sulla comprensione dei modelli di sequenza del modello, e la vera prova arriverà quando queste sequenze ingegnerizzate saranno messe al lavoro in un laboratorio. Ciononostante, questo lavoro rappresenta un passo avanti significativo, fornendo un quadro unificato che sposta il design genetico dalla semplice previsione alla creazione attiva. Offre un modo non solo per comprendere il complesso linguaggio regolatorio della vita, ma per parlarlo con tale fluidità da poter progettare nuove istruzioni che potrebbero un giorno essere utilizzate per trattare malattie o migliorare la ricerca biologica.
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.