Искусственный интеллект сворачивает молекулы РНК
Трехмерная структура биомолекул критически важна для их функции. Исследователей интересует не только последовательность их строительных блоков, но и пространственное строение. С помощью искусственного интеллекта (ИИ) биоинформатики уже могут надежно предсказывать трехмерную структуру белка по его аминокислотной последовательности. Однако для молекул РНК эта технология еще только зарождается. Исследователи из Рурского университета в Бохуме (RUB) описывают в журнале PLOS Computational Biology от 7 июля 2022 года способ надежного предсказания структуры определенных молекул РНК по их нуклеотидной последовательности с помощью ИИ.
В работе сотрудничали команды под руководством Вивиан Бранденбург и профессора Франца Нарберхауса с кафедры биологии микроорганизмов RUB и профессора Акселя Мозига из Компетентностного центра биоинформатики Бохумского центра белковой диагностики.
Необходимо учитывать клеточное окружение
«РНК часто рассматривают лишь как посредника между геномной ДНК и белками, — говорит Аксель Мозиг. — Но многие молекулы РНК выполняют клеточные функции». Для этого важна их пространственная структура. Сходные участки в нуклеотидной последовательности могут объединяться, формируя трехмерные структуры.
«Выявление таких самоподобий в последовательности РНК похоже на математическую головоломку», — объясняет Вивиан Бранденбург. Для этой задачи существует биофизическая модель с соответствующими алгоритмами предсказания. Однако модель не может учесть клеточное окружение РНК, которое также влияет на процесс сворачивания. «Если бы РНК была изолирована и находилась в водном растворе, модель могла бы очень точно предсказать структуру, — говорит Бранденбург. — Но живая клетка содержит множество других компонентов».
Здесь на помощь приходит искусственный интеллект. ИИ может изучить тонкие закономерности клеточного окружения на основе известных структур и затем включить эти данные в свои предсказания. Однако для обучения ИИ необходимы достаточные тренировочные данные, которых на практике не хватает.
Получение тренировочных данных с помощью уловки
Чтобы решить проблему нехватки данных, бохумская команда использовала хитрость: исследователи работали с известными структурными мотивами РНК. Используя своего рода «обратную передачу», они могли генерировать практически любое количество нуклеотидных последовательностей из энергетических моделей этих структур, которые сворачивались бы в эти пространственные формы. С помощью этого так называемого обратного сворачивания исследователи создали множество пар «последовательность–структура», на которых можно было обучить ИИ.
Новые структуры можно надежно предсказывать
Затем исследователи поставили перед ИИ новую задачу: предсказать структуру определенных бактериальных молекул РНК. Эти молекулы — терминаторы транскрипции — являются важными стоп-сигналами при трансляции геномной ДНК у бактерий. Часто, как и многие другие РНК с важными клеточными функциями, они скрыты в геноме, и их трудно отличить от участков с другими функциями.
Искусственный интеллект смог надежно распознать и предсказать типичную для терминаторов транскрипции структуру, напоминающую шпильку. Исследовательская группа подтвердила это с помощью общедоступных экспериментальных данных.
«В то время как подходы с использованием ИИ стали почти неизбежными в предсказании структуры белков, разработка методов для РНК только начинается», — заключает Аксель Мозиг.