RNAflash: Fast and Sensitive Structure-aware RNA Homology Detection and Alignment

Nella vasta biblioteca della vita, l'RNA agisce come un messaggero e un gestore versatile, trasportando istruzioni dal DNA e aiutando a costruire le proteine che fanno funzionare le nostre cellule. Per capire come funziona un pezzo specifico di RNA, gli scienziati cercano spesso i suoi parenti: altre molecole di RNA che condividono un antenato comune. Questi parenti, chiamati omologhi, sono come cugini lontani in un albero genealogico; possono apparire molto diversi in superficie, ma spesso si ripiegano in forme simili per svolgere lo stesso compito. Trovare questi cugini è fondamentale per prevedere come l'RNA si ripiega nella sua struttura tridimensionale, un passaggio chiave per comprenderne la funzione e come potrebbe essere bersagliato dai medicinali. Tuttavia, esiste un problema persistente in questo campo: gli strumenti utilizzati per trovare questi parenti costringono solitamente gli scienziati a scegliere tra velocità e accuratezza. Gli strumenti veloci spesso perdono i cugini lontani perché si affidano troppo a corrispondenze esatte lettera per lettera, mentre gli strumenti accurati, che osservano la forma della molecola, sono così lenti da poter impiegare giorni per cercare attraverso i moderni database contenenti milioni di sequenze.

Un team di ricercatori della Shanghai Jiao Tong University ha introdotto un nuovo approccio chiamato RNAflash, che mira a rompere questo compromesso. Il loro metodo agisce come un motore di ricerca a due fasi, progettato per trovare rapidamente questi elusivi parenti dell'RNA e poi organizzarli in un utile ritratto di famiglia. La prima fase utilizza un sistema addestrato per riconoscere la "voce" delle sequenze di RNA, anche quando le lettere sono cambiate significativamente nel tempo. Invece di confrontare ogni singola lettera di una sequenza di query contro ogni sequenza in un enorme database di trenta milioni di voci, questo sistema converte ogni sequenza in un riassunto compatto. Utilizza poi un indice ad alta velocità per trovare i corrispondenza più promettenti in una frazione di secondo. Questa scansione iniziale è veloce, ma non è perfetta; potrebbe includere alcuni falsi allarmi o perdere connessioni sottili che solo un esame più attento rivelerebbe.

Per correggere questo, la seconda fase del processo prende i migliori candidati dal primo giro ed esamina loro con un occhio molto più attento. Questa fase utilizza un tipo diverso di analisi che osserva la forma prevista delle molecole di RNA. Poiché la forma di una molecola di RNA è spesso più stabile e conservata rispetto alla sua sequenza di lettere, questa fase può confermare relazioni che la ricerca veloce ha mancato. Allinea le sequenze in base a come le loro forme corrispondono, assicurando che la lista finale di parenti sia sia accurata che biologicamente significativa. Il risultato è una collezione di sequenze disposte in un allineamento di sequenze multiple, che è una griglia che allinea i parenti in modo che gli scienziati possano vedere dove concordano e dove differiscono. Questa griglia è la base per prevedere la struttura 3D della molecola.

I ricercatori hanno testato il loro sistema contro una vasta gamma di strumenti esistenti, inclusi alcuni che sono considerati il gold standard nel campo. Hanno scoperto che RNAflash è stato in grado di trovare parenti più lontani rispetto agli strumenti veloci basati solo sulla sequenza, e lo ha fatto molto più velocemente degli strumenti lenti basati sulla forma. In un test su larga scala che coinvolgeva centinaia di query contro un database di trenta milioni di sequenze, il nuovo metodo ha completato l'intero processo di ricerca e allineamento per tutte le 174 query in 1.682 secondi. Al contrario, i tradizionali strumenti basati sulla forma hanno impiegato oltre 100 volte tanto per svolgere lo stesso lavoro. Gli allineamenti prodotti da RNAflash non erano solo più veloci da creare, ma erano anche di qualità superiore, contenendo segnali evolutivi più utili che aiutano gli scienziati a capire come l'RNA si ripiega.

Il team ha anche creato una versione più leggera e veloce del loro strumento per le situazioni in cui la velocità è la priorità assoluta. Questa versione, chiamata RNAflash-L, può trovare e allineare i parenti in meno di un secondo per query. Sebbene sia leggermente meno sensibile della versione completa, supera comunque altri strumenti veloci per la qualità degli allineamenti che produce. Questa velocità è significativa perché significa che i ricercatori possono ora generare gli allineamenti familiari di alta qualità necessari per l'avanzata previsione della struttura su una scala che prima era impossibile. Rendendo possibile la ricerca attraverso milioni di sequenze in pochi secondi anziché in giorni, questo lavoro apre la porta all'analisi di molecole di RNA che erano precedentemente troppo difficili da studiare, accelerando potenzialmente la scoperta di nuove funzioni biologiche e obiettivi terapeutici.