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

In de uitgestrekte bibliotheek van het leven fungeert RNA als een veelzijdige boodschapper en beheerder, die instructies van DNA draagt en helpt bij het bouwen van de eiwitten die onze cellen aansturen. Om te begrijpen hoe een specifiek stukje RNA werkt, zoeken wetenschappers vaak naar zijn verwanten—andere RNA-moleculen die een gemeenschappelijke voorouder delen. Deze verwanten, genaamd homologen, zijn als verre neven in een stamboom; ze kunnen er aan de oppervlakte heel anders uitzien, maar ze vouwen zich vaak in vergelijkbare vormen om dezelfde taak uit te voeren. Het vinden van deze neven is cruciaal voor het voorspellen van hoe RNA zich in een driedimensionale structuur vouwt, een belangrijke stap om te begrijpen hoe het functioneert en hoe het doelwit kan worden voor medicijnen. Er bestaat echter een hardnekkig probleem in dit vakgebied: de instrumenten die worden gebruikt om deze verwanten te vinden, dwingen wetenschappers meestal om te kiezen tussen snelheid en nauwkeurigheid. Snelle instrumenten missen de verre neven vaak omdat ze te zwaar leunen op exacte letter-voor-letter overeenkomsten, terwijl de nauwkeurige instrumenten die naar de vorm van het molecuul kijken zo traag zijn dat ze dagen kunnen in beslag nemen om door moderne databases met miljoens sequenties te zoeken.

Een team onderzoekers aan de Shanghai Jiao Tong Universiteit heeft een nieuwe aanpak geïntroduceerd genaamd RNAflash, die tot doel heeft deze afweging te doorbreken. Hun methode werkt als een tweestaps zoekmachine, ontworpen om deze ongrijpbare RNA-verwanten snel te vinden en ze vervolgens te rangschikken in een nuttig familieportret. De eerste stap gebruikt een systeem dat getraind is om de "stem" van RNA-sequenties te herkennen, zelfs wanneer de letters in de loop der tijd aanzienlijk zijn veranderd. In plaats van elke individuele letter van een query-sequentie te vergelijken met elke sequentie in een enorme database van dertig miljoen vermeldingen, zet dit systeem elke sequentie om in een compacte samenvatting. Het gebruikt vervolgens een supersnelle index om de meest veelbelovende matches in een fractie van een seconde te vinden. Deze eerste ronde is snel, maar het is niet perfect; het kan enkele valse alarmen bevatten of subtiele verbindingen missen die een nadere blik zouden onthullen.

Om dit op te lossen, bekijkt de tweede stap van het proces de topkandidaten uit de eerste ronde met een veel zorgvuldiger oog. Deze fase maakt gebruik van een andere vorm van analyse die kijkt naar de voorspelde vorm van de RNA-moleculen. Aangezien de vorm van een RNA-molecuul vaak stabieler en meer geconserveerd is dan de sequentie van de letters, kan deze stap relaties bevestigen die de snelle zoekopdracht heeft gemist. Het lijnt de sequenties uit op basis van hoe hun vormen overeenkomen, waardoor wordt gewaarborgd dat de uiteindelijke lijst met verwanten zowel accuraat als biologisch betekenisvol is. Het resultaat is een verzameling sequenties die is gerangschikt in een multiple sequence alignment, wat een raster is dat de verwanten op één lijn brengt zodat wetenschappers kunnen zien waar ze overeenkomen en waar ze verschillen. Dit raster vormt de basis voor het voorspellen van de 3D-structuur van het molecuul.

De onderzoekers testten hun systeem tegen een breed scala aan bestaande instrumenten, waaronder sommige die als de gouden standaard in het veld worden beschouwd. Ze kwamen tot de conclusie dat RNAflash in staat was om meer verre verwanten te vinden dan de snelle, alleen op sequentie gebaseerde instrumenten, en dat het dit veel sneller deed dan de trage, op vorm gebaseerde instrumenten. In een grote test waarbij honderden queries werden uitgevoerd tegen een database van dertig miljoen sequenties, voltooide de nieuwe methode het volledige zoek- en alignmentproces voor alle 174 queries in 1.682 seconden. In contrast hiermee duurden de traditionele vorm-gebaseerde instrumenten meer dan 100 keer langer om hetzelfde werk te doen. De alignments geproduceerd door RNAflash waren niet alleen sneller te maken, maar waren ook van hogere kwaliteit, met meer nuttige evolutionaire signalen die wetenschappers helpen begrijpen hoe het RNA vouwt.

Het team heeft ook een lichtere, snellere versie van hun tool gemaakt voor situaties waarin snelheid de absolute prioriteit heeft. Deze versie, genaamd RNAflash-L, kan verwanten vinden en aligneren in minder dan een seconde per query. Hoewel het iets minder gevoelig is dan de volledige versie, presteert het nog steeds beter dan andere snelle instrumenten wat betreft de kwaliteit van de alignments die het produceert. Deze snelheid is significant omdat het betekent dat onderzoekers nu de hoogwaardige familie-alignments kunnen genereren die nodig zijn voor geavanceerde structuurvoorspelling op een schaal die voorheen onmogelijk was. Door het mogelijk te maken om miljoenen sequenties in seconden in plaats van dagen te doorzoeken, opent dit werk de deur naar het analyseren van RNA-moleculen die voorheen te moeilijk te bestuderen waren, wat potentieel de ontdekking van nieuwe biologische functies en therapeutische doelwitten kan versnellen.