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

在每一个活细胞内部，都进行着一个安静但至关重要的编辑过程，以确保正确的指令得到执行。细胞产生长长的遗传物质链作为蓝图，但这些蓝图通常带有必须在投入使用前修剪掉的额外、不必要的片段。在这些被修剪掉的碎片中，最重要的一类是被称为微小RNA（microRNAs）的微小分子。这些微小的遗传代码片段本身并不构建蛋白质；相反，它们充当精确的开关，可以关闭特定的基因，从而有效地沉默那些原本会被执行的信息。为了发挥功能，这些分子必须从其较大的前体形式中在精确的位置被切割出来。如果切割位置错误，产生的分子可能会失效，或者破坏细胞微妙的平衡。对于科学家而言，预测在极其多样化的生命形态中这些切割究竟会在何处发生，一直是一个艰巨的挑战，这限制了我们理解这些开关在不同动物中如何运作的能力，也限制了我们为研究和医学设计新开关的能力。

现在，一个研究团队开发出了一种名为 miRstring 的新型计算工具，通过将遗传序列视为一种可被阅读和理解的语言，解决了这个长期存在的难题。该系统并非依赖于关于这些分子外观的僵化规则，而是通过研究海量的数据来学习自然遗传代码的模式。研究人员利用来自 414 个不同物种的 77,708 个前体分子对模型进行了训练，使其能够观察自然界如何在整个生命之树中一致地处理切割过程。其结果是一个框架，它可以观察原始的遗传前体并准确预测定义最终功能性微小RNA分子的四个特定边界。这种能力使该工具能够以极高的精确度识别出成熟分子的第一个构建模块，而这是以往的方法经常忽略的细节。

这种方法之所以特别强大，是因为该系统不仅仅是在猜测；它似乎理解这一过程的生物学机制。当研究人员检查模型如何做出决策时，他们发现其内部焦点自然地突出了细胞酶通常进行切割的确切位置。这表明该工具已经学习到了支配这些分子加工过程的真实生物学规则，而不仅仅是记忆模式。即使在针对从未见过的物种进行测试时，该模型依然表现得十分稳健，在识别正确边界方面优于现有方法。这种跨越不同生命形式的可靠性意味着，该工具可以用于注释并理解那些此前难以进行图谱绘制的生物体中的微小RNA。

除了读取自然界中已有的存在，研究人员还展示了这种理解力如何被用于创造新事物。他们利用该模型设计了人工前体，用以产生特定的、定制的微小RNA。当这些设计的分子接受测试时，它们成功地抑制了目标信息，证实了计算机生成的方案在生物环境中确实按预期发挥了作用。这项工作建立了一条从分析自然遗传序列到工程化设计新序列的可扩展路径，提供了一种利用人工智能设计小RNA工具的方法。通过架起解码自然生物学与创造合成解决方案之间的桥梁，这项研究为实现跨多种不同物种的更精确且更广泛适用的基因工程开辟了一条途径。