miRstring: An RNA language model enables mature miRNA decoding and artificial small RNA design across species

모든 살아있는 세포 내부에서는 올바른 지침이 수행되도록 보장하기 위한 조용하지만 결정적인 편집 과정이 일어납니다. 세포는 설계도 역할을 하는 긴 유전 물질 가닥을 생성하지만, 이 설계도에는 사용되기 전에 반드시 잘라내야 하는 불필요한 추가 섹션들이 포함되어 있는 경우가 많습니다. 이렇게 잘려 나가는 파편들 중 가장 중요한 것들 중 하나가 마이크로RNA(microRNA)라고 불리는 아주 작은 분자들입니다. 이 작은 유전 코드 조각들은 스스로 단백질을 만들지는 않지만, 특정 유전자를 끌 수 있는 정밀한 스위치 역할을 하여, 실행될 예정이었던 메시지들을 효과적으로 침묵시킵니다. 기능을 수행하기 위해 이 분자들은 더 큰 전구체 형태로부터 정확한 위치에서 잘려 나가야 합니다. 만약 절단이 잘못된 곳에서 일어나면, 결과물인 분자가 제대로 작동하지 못하거나 세포의 섬세한 균형을 깨뜨릴 수 있습니다 생물학적 다양성이 매우 큰 생명체 전반에 걸쳐 이러한 절단이 정확히 어디에서 일어날지를 예측하는 것은 과학자들에게 오랫동안 어려운 과제로 남아 있었으며, 이는 서로 다른 동물에서 이 스위치들이 어떻게 작동하는지 이해하거나 연구 및 의학을 위한 새로운 스위치를 설계하는 능력을 제한해 왔습니다.

연구팀은 유전 서열을 읽고 이해해야 할 하나의 언어로 취급함으로써 이 오래된 난제를 해결하는 miRstring이라는 새로운 계산 도구를 개발했습니다. 이 시스템은 이러한 분자들이 어떻게 보여야 하는지에 대한 경직된 규칙에 의존하는 대신, 방대한 양의 데이터를 학습함으로써 자연적인 유전 코드의 패턴을 배웁니다. 연구진은 414종의 다양한 종에서 발견된 77,708개의 전구체 분자를 모델에 학습시켜, 자연이 생명의 나무 전반에 걸쳐 절단 과정을 어떻게 일관되게 처리하는지 관찰할 수 있도록 했습니다. 그 결과, 가공되지 않은 유전 전구체를 보고 최종적인 기능적 마이크로RNA 분자를 정의하는 네 개의 특정 경계선을 정확하게 예측할 수 있는 프레임워크가 탄생했습니다. 이러한 능력 덕분에 이 도구는 이전 방식들이 자주 놓쳤던 세부 사항인, 성숙한 분자의 바로 첫 번째 구성 요소를 높은 정밀도로 식별할 수 있습니다.

이 접근 방식이 특히 강력한 이유는 시스템이 단순히 추측하는 것이 아니라, 이 과정의 생물학적 메커니즘을 이해하는 것처럼 보이기 때문입니다. 연구진이 모델이 어떻게 결정을 내리는지 조사했을s 때, 모델의 내부 초점이 세포 효소가 일반적으로 절단을 수행하는 정확한 지점들을 자연스럽게 강조하고 있음을 발견했습니다. 이는 이 도구가 단순히 패턴을 암기한 것이 아니라, 이러한 분자들이 처리되는 과정을 지배하는 진정한 생물학적 규칙을 학습했음을 시사합니다. 이 모델은 한 번도 본 적 없는 종들에 대해 테스트했을 때도 견고함을 입증했으며, 올바른 경계를 식별하는 데 있어 기존 방식보다 뛰어난 성능을 보였습니다. 다양한 생명체에 걸친 이러한 신뢰성은 이 도구가 이전에는 매핑하기 어려웠던 생물들의 마이크로RNA를 주석 달고 이해하는 데 사용될 수 있음을 의미합니다.

자연에 존재하는 것을 단순히 읽는 것을 넘어, 연구진은 이러한 이해가 새로운 것을 창조하는 데 어떻게 사용될 수 있는지를 입증했습니다. 그들은 특정 맞춤형 마이크로RNA를 생성할 수 있는 인공 전구체를 설계하기 위해 이 모델을 활용했습니다. 설계된 분자들이 테스트되었을 때, 이들은 표적 메시지를 성공적으로 억제하였으며, 이는 컴퓨터로 설계된 디자인이 생물학적 환경에서 의도한 대로 작동함을 확인시켜 주었습니다. 이 연구는 자연적인 유전 서열을 분석하는 것에서부터 새로운 서열을 설계하는 것으로 나아가는 확장 가능한 경로를 구축하며, 소형 RNA 도구 설계를 위해 인공지능을 활용하는 방법을 제시합니다. 자연적인 생물학을 해독하는 것과 합성 솔루션을 만드는 것 사이의 간극을 메움으로써, 이 연구는 다양한 종에 걸쳐 더욱 정밀하고 폭넓게 적용 가능한 유전 공학을 향한 길을 열어줍니다.