High-throughput variant libraries and machine learning enable robust target-site selection for toehold-switch design in Detectrons
作者提出了 DeSTAR,这是一种基于高通量变体库训练的机器学习模型,该模型能够成功识别出 toehold-switch RNA 传感器的最佳靶位点,与随机选择相比,在未见的 SARS-CoV-2 转录本上实现了功能性传感器设计五倍的提升。
原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象一个这样的世界:医生可以携带一种简单的设备,通过一滴血液就能检测出病毒;或者农民可以瞬间得知他们的农作物是否生病,而无需依赖庞大的实验室。这一愿景依赖于一种被称为 RNA 传感器的生物工具。这些是微小的、可编程的分子,充当着分子锁的角色。当它们遇到来自病毒或疾病的特定遗传代码片段时,就会解锁并发出信号。其前景在于,科学家可以设计这些传感器来识别他们选择的几乎任何遗传序列。然而,这里有一个重大的陷阱。仅仅因为一个传感器被设计用于识别某个序列,并不意味着它能很好地工作。事实上,这些传感器的性能完全取决于它们被放置在试图寻找的漫长遗传物质链中的确切位置。有些位置表现完美,而有些位置——即使就在它们旁边——也会完全失效。寻找正确的地点一直是一场猜测游戏,通常需要研究人员构建并测试数百个失败的传感器才能找到一个成功的。
现在,一组研究人员通过教计算机如何自动寻找最佳位置解决了这个问题。他们开发了一种名为 DeSTAR 的新方法,其全称为 Detectron 传感器靶点排序器(Detectron Sensor Target-site Ranker)。为了训练这个计算机模型,他们不仅仅观察了几个例子;他们构建了一个涵盖六种不同生物完整遗传链的庞大传感器库,其中包括感染人类的病毒和细菌。他们测试了这些链上的每一个可能位置,创建了数千个传感器,以观察哪些有效,哪些无效。通过分析这海量的数据,研究人员发现传感器的成功并非随机发生的。相反,它遵循一套基于传感器自身化学结构的严格规则,特别是其构建模块的前几对连接方式。计算机学会了这些规则,以至于当他们在一个从未见过的全新病毒上测试它时,它识别出有效传感器的频率远高于随机选择位置的情况。
研究人员首先构建了一个名为 Detectron 的系统,这是一种在发现目标时会产生 DNA 条形码的 RNA 传感器。该条形码作为一个独特的 ID,可以被机器计数,从而允许他们同时测试数千个传感器。他们提取了六种不同的遗传链——两种来自噬菌体,两种来自人类致病病毒(如寨卡病毒和登革热病毒),以及两种来自人类细胞——并将它们切割成微小的、相互重叠的片段。对于每一个片段,他们都构建了一个旨在识别该特定片段的传感器。这产生了一个包含七千多个传感器的库,每个传感器都有一个独特的条形码。随后,他们将这些传感器与目标遗传链一起引入细菌中。如果一个传感器找到了它的目标,它就会产生一个条形码;如果没有找到,它则保持沉默。通过计数条形码,他们可以精确测量每个传感器的运作效果。
结果揭示了令人惊讶的细节水平。传感器的性能在不同位置之间波动巨大。一个旨在识别特定序列的传感器可能表现出色,但如果研究人员将目标向后移动仅仅一个遗传代码字母,该传感器往往会完全停止工作。这种敏感性意味着仅凭宏观观察遗传链是不够的;他们需要看到每一个字母。当他们观察数据时,发现表现最好的传感器在结构上共享一种特定的模式。传感器的起始部分(即首先接触目标的部位,称为“茎”)必须遵循一个精确的规则:茎部的第二个连接必须是弱连接,而随后的连接则必须是强连接。这种特定的排列方式使得传感器在找到目标时能够轻易打开,而在未找到目标时保持关闭。状态。
利用这些观察结果,研究人员训练了一个机器学习模型来识别这种模式。他们教计算机观察一个潜在靶点的序列,并预测为该靶点构建的传感器是强还是弱。他们通过隐藏其中一条遗传链来测试模型,并要求它预测该隐藏链上的最佳位置。该模型取得了成功,它识别高表现位点的准确率远高于随机选择。它能够根据学到的规则来区分好位点和坏位点,而不仅仅是死记硬背它之前见过的特定链。这证明了支配传感器性能的规则是通用的,并且可以应用于新的、未见的遗传序列。
为了证明他们的模型在现实世界中有效,研究人员更进一步。他们将训练好的计算机模型应用于 SARS-CoV-2 病毒(导致 COVID-19 的病毒)的遗传链,而该病毒对系统来说是全新的。模型对病毒遗传密码中的每一个可能位置进行了排名,并选择了前十名。研究人员随后为这十个位置构建了传感器并进行了测试。结果非常明确:由计算机选出的传感器比随机选择的传感器具有显著更高的活性和可靠性。事实上,计算机的首选方案成为有效传感器的概率是随机猜测情况下的五倍。这一成功表明,该模型可以用作设计任何新病毒或新遗传目标的强大工具,而无需进行反复的试错。
这项研究还阐明了为什么以往预测传感器性能的尝试会遇到困难。其他模型侧重于遗传链的整体形状或其开启所需的能量,但这些因素并不是成功的驱动因素。研究人员发现,传感器前几个连接处的特定化学身份才是主导因素。虽然目标链的整体结构很重要,但它是次要的,相对于这一局部规则而言。通过专注于传感器结构的这种特定“语法”,新模型可以对从简单的细菌病毒到复杂的人类基因等各种不同类型的遗传物质做出准确预测。
这项工作代表了科学家设计分子传感器方式的重要转变。科学家不再依赖直觉或宽泛的规则,而是可以利用数据驱动的模型来精准定位传感器可以工作的确切位置。这减少了开发新诊断工具所需的时间和资源。对于试图为新疾病构建传感器的科学家来说,这个过程不再是在广袤遗传景观中的盲目搜索。他们现在可以使用一个告诉他们确切该去哪里寻找的工具,将一个困难的工程挑战转变为一个简单的选择过程。能够如此准确地预测性能,为快速、可靠地检测广泛的生物威胁打开了大门,使便携式、可编程诊断技术的梦想离现实更近了一步。
您所在领域的论文太多了?
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。