Новый ИИ-инструмент точно определяет сайты сплайсинга генов
Исследователи из Университета Джонса Хопкинса разработали мощный новый ИИ-инструмент под названием "Splam", который может определять, где происходит сплайсинг в генах. Этот прогресс поможет учёным анализировать генетические данные с большей точностью, открывая новые возможности для понимания функций генов и того, как мутации способствуют развитию болезней. Исследование опубликовано в Genome Biology.
"Точное определение сайтов сплайсинга — ключ к пониманию того, как клетки интерпретируют генетические инструкции", — говорит соавтор Куан-Хао Чао. "Splam позволяет нам анализировать генетические данные с высокой точностью и эффективностью, показывая, как мутации влияют на наше здоровье и почему один и тот же ген может производить разные белки в разных условиях".
Клетки полагаются на гены для выполнения своих функций. Каждый ген содержит как полезные инструкции (экзоны), так и несущественные сегменты (интроны). Сплайсинг — это процесс, при котором клетки "вырезают" несущественные части, оставляя только необходимое.
Вычислительное распознавание сайтов сплайсинга — важный шаг для точной сборки транскриптов генов в современных генетических исследованиях, где эксперименты по РНК-секвенированию измеряют уровень экспрессии гена в разных условиях.
По сравнению с современным инструментом "SpliceAI", метод Splam от команды Хопкинса использует гораздо более короткое окно последовательности ДНК (800 нуклеотидов) для предсказания сайтов сплайсинга РНК, что делает его модель более биологически реалистичной и пригодной для исследований.
Алгоритм Splam принимает последовательность ДНК из 800 нуклеотидов (по 400 A, C, G, T с каждой стороны от потенциальных донорных и акцепторных сайтов) и выводит вероятность для каждой пары оснований быть донорным сайтом, акцепторным сайтом или ни тем, ни другим.
"Наш алгоритм пытается распознавать эти донорные/акцепторные сайты парами, подобно тому, как это делает сплайсосомный 'молекулярный аппарат' в клетке при вырезании интрона", — объясняет Чао.
Исследователи разработали алгоритм для распознавания сплайс-соединений в окне из 800 нуклеотидов — это гораздо меньшая область, чем 10 000 нуклеотидов, требуемые SpliceAI. Несмотря на требование меньшего количества геномных данных, Splam демонстрирует лучшую точность распознавания сплайс-соединений.
После обучения своей модели глубокого обучения на человеческой ДНК, исследователи провели дополнительные тесты на генетических кодах других видов: шимпанзе, мыши и цветкового растения из семейства капустных. Эксперименты показали, что биологически вдохновлённый дизайн Splam по-прежнему даёт высокоточные результаты на этих более отдалённых последовательностях ДНК, что доказывает, что метод действительно выучил основные паттерны сплайсинга, общие для многих животных и растений.
Следующие шаги команды включают применение модели к большему числу видов и интеграцию метода в существующие конвейеры РНК-секвенирования для практического использования в сборке транскриптома.
"Наш метод имеет немедленное применение для улучшения сборки транскриптома и снижения 'шума' сплайсинга, что делает его ценным для широкого спектра геномных исследований", — говорит Чао. "Мы надеемся, что Splam внесёт вклад в лучшее понимание наших геномов и генов в них".