EukaUTR: a foundation model unifying functional modelling and design of eukaryotic 3′ UTRs
EukaUTR is een foundation model getraind op diverse eukaryote 3′ UTR-sequenties dat functionele voorspelling en de novo ontwerp verenigt, waarbij het bestaande baselines overtreft bij meerdere regulatoire taken en gerichte sequentieoptimalisatie mogelijk maakt om mRNA-degradatiesnelheden te verlagen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
In elke levende cel zijn de instructies voor het bouwen van eiwitten geschreven in een lange, complexe code genaamd messenger RNA. Decennialang richtten wetenschappers zich bijna volledig op het begin van deze code, het deel dat de cel vertelt welk eiwit er gebouwd moet worden. De uiteinden van de boodschap, een sectie die de drie-prime niet-vertaalde regio wordt genoemd, bevatten echter een ander soort geheim. Deze staart codeert zelf niet voor een eiwit; in plaats daarvan fungeert het als een geavanceerd bedieningspaneel. Het bevat signalen die bepalen hoe lang de boodschap overleeft, waar deze binnen de cel reist en hoe efficiënt deze wordt afgelezen. Als deze staart te kort is of de verkeerde signalen draagt, kan de boodschap te snel worden vernietigd, of kan de cel te veel of te weinig van het uiteindelijke eiwit produceren. Het begrijpen van hoe deze regio werkt is cruciaal omdat het de timing en de hoeveelheid van de essentiële processen van het leven beheerst, maar lange tijd bleven de regels die het gedrag ervan over de enorme diversiteit van het leven heen dicteren een mysterie.
Een team van onderzoekers heeft nu een krachtig nieuw hulpmiddel gebouwd om deze regels te decoderen, een systeem dat ze EukaUTR noemen. Dit hulpmiddel is een type kunstmatige intelligentie die specifiek is getraind om de taal van deze genetische staarten te lezen en te begrijpen over een breed scala aan levende wezens, van mensen tot vissen tot planten. In tegen tegenstelling tot eerdere modellen die alleen de taal van mensen of zoogdieren konden spreken, leerde dit nieuwe systeem van een enorme bibliotheek met bijna zeven miljoen genetische sequenties van meer dan duizend verschillende soorten. Door deze enorme diversiteit te bestudelen, leerde het model de subtiele patronen te herkennen die bepalen hoe genetische boodschappen worden beheerd. De onderzoekers ontdekten dat dit systeem met hoge nauwkeurigheid kon voorspellen hoe een specifieke genetische staart zich zou gedragen, zoals hoe snel deze zou afbreken of hoe goed deze zou helpen bij de productie van een eiwit. In tests over dertien verschillende scenario's presteerde het nieuwe model consequent beter dan bestaande tools, waarbij de voorspellingsnauwkeurigheid vaak met meer dan vijfentwintig procent werd verbeterd.
De kracht van dit systeem gaat verder dan alleen het lezen van wat al bestaat; het kan ook nieuwe genetische instructies vanaf nul schrijven. De onderzoekers vroegen het model om geheel nieuwe genetische staarten te genereren die nog nooit eerder waren gezien. De resultaten waren opmerkelijk. De nieuwe sequenties zagen eruit en gedroegen zich als natuurlijk genetisch materiaal, met dezelfde chemische balans en structurele eigenschappen als die in de natuur worden gevonden, maar ze waren volledig uniek en kopieerden niet simpelweg een bestaande sequentie uit de trainingsbibliotheek. Dit suggereğereert dat het model werkelijk de onderliggende grammatica van het genetische leven begreep, in plaats van alleen een woordenboek te hebben uit het hoofd geleerd. Bovendien ontwikkelde het team een methode om deze kennis te gebruiken om bestaande genetische boodschappen te repareren. Door een kleine set sequenties te analyseren die bekend stonden als stabiel, leerden zij het systeem te identificeren welke delen van een wankele genetische staart de instabiliteit veroorzaakten. Wanneer zij deze begeleiding toepasten om onstabiele sequenties te bewerken, slaagde het model erin om de voorspelde snelheid van degradatie met drieëndertig procent te verminderen, waardoor de genetische boodschappen effectief veel duurzamer werden gemaakt.
Ondanks deze indrukwekkende capaciteiten, zijn de onderzoekers voorzichtig in hun opmerkingen over wat hun werk wel en niet bewijst. Het model blinkt uit in het voorspellen van hoe een sequentie zich zal gedragen op basis van de structuur en samenstelling, en het kan regio's identificeren waar specifieke regulatoire signalen waarschijnlijk te vinden zijn. Het legt echter nog steeds niet de exacte mechanische stappen uit van hoe deze signalen interageren met cellulaire machinerie, noch is de biologische activiteit van de nieuw gegenereerde sequenties getest in een levende cel. De verbeteringen in stabiliteit zijn momenteel voorspellingen gebaseerd op het begrip van het model van sequentiepatronen, en de echte test zal komen wanneer deze technisch vervaardigde sequenties aan het werk worden gezet in een laboratorium. Desalniettemin vormt dit werk een belangrijke stap voorwaarts, waarbij een verenigd kader wordt geboden dat het genetisch ontwerp verplaatst van eenvoudige voorspelling naar actieve creatie. Het biedt een manier om niet alleen de complexe regulatoire taal van het leven te begrijpen, maar om deze ook vloeiend te spreken, zodat men nieuwe instructies kan ontwerpen die op een dag gebruikt kunnen worden om ziekten te behandelen of biologisch onderzoek te verbeteren.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.