Naukowcy korzystają ze sztucznej inteligencji w celu przewidywania modyfikacji RNA

Rewolucyjne oprogramowanie zostało stworzone przez naukowców z National University of Singapore oraz Agency for Science, Technology and Research. Ten program ma wysoki stopień dokładności w przewidywaniu zmian chemicznych w cząsteczkach RNA. Podejście zespołu, znane jako m6Anet, zostało upublicznione w cenionym czasopiśmie naukowym Nature Methods.

Cząsteczki RNA zawierają wiele związków chemicznych, które regulują ich działanie. Jednak powszechne metody stosowane przez naukowców do odczytywania RNA zwykle nie wykrywają tych modyfikacji RNA. Najczęstszą modyfikacją RNA jest N6-Metyladenozyna (m6A). Znalezienie modyfikacji RNA historycznie zajęło dużo czasu i okazało się trudne, ponieważ są one związane z chorobami ludzkimi, takimi jak rak.
Wykorzystując bezpośrednie sekwencjonowanie RNA Nanopore, naukowcom udało się wyjść poza te ograniczenia. Ta najnowocześniejsza metoda sekwencjonuje niezmodyfikowane cząsteczki RNA wraz z ich zmianami. Wyprodukowali m6Anet. Wykorzystując technikę uczenia się wielu instancji (MIL) i bezpośrednie dane sekwencjonowania RNA Nanopore, oprogramowanie szkoli głębokie sieci neuronowe w celu dokładnego wykrywania m6A.

Każdy przykład w tradycyjnym uczeniu maszynowym ma przypisaną jedną etykietę. Jednak znalezienie m6A wymaga ogromnej ilości danych z niejasnymi etykietami. Aby rozwiązać ten problem, zespół zastosował metodę MIL. Kwestia MIL wiąże się z posiadaniem pokaźnego albumu ze zdjęciem kota zakopanego wśród milionów innych zdjęć. Następnie, bez żadnych etykiet, które mogłyby służyć jako wskazówka, spróbuj zidentyfikować ten konkretny obraz.

Naukowcy wykazali, że m6Anet może prognozować obecność m6A z pojedynczej próbki u różnych gatunków z dużą precyzją i rozdzielczością pojedynczej cząsteczki. Zdolność do rozpoznawania zmian RNA w różnych próbkach biologicznych można wykorzystać do zrozumienia ich znaczenia w różnych zastosowaniach, takich jak badania nad rakiem lub genomika roślin. Tak twierdzi dr Jonathan Goke, kierownik grupy w Laboratorium Transkryptomiki Obliczeniowej w GIS firmy ASTAR.

Model AI natrafił tylko na dane z próbki ludzkiej. Nawet próbki pochodzące od gatunków, z którymi model nigdy wcześniej nie miał do czynienia, można wykorzystać do precyzyjnej identyfikacji modyfikacji RNA. „Metoda MIL zapewnia wyrafinowaną odpowiedź na to trudne pytanie. Nagrodą za naszą pracę jest tak szybkie przyjęcie programu przez społeczność naukową!” potwierdził współkierownictwo badań, profesor nadzwyczajny Alexandre Thiery, Wydział Statystyki i Nauki o Danych, Wydział Nauk NUS.
Społeczność naukowa może teraz uzyskiwać dostęp do oprogramowania i wyników badania oraz z nich korzystać. Zdaniem profesora Patricka Tan, dyrektora wykonawczego GIS firmy ASTAR, istniejący od dawna problem precyzyjnej i skutecznej identyfikacji zmian RNA został rozwiązany przez m6Anet. Naukowcy z kilku sektorów mogą rozwijać swoją pracę dzięki tej przełomowej technologii. Będą również w stanie zrozumieć funkcję modyfikacji RNA w genomice roślin i chorobach człowieka, takich jak rak.