人工智能可靠地预测RNA分子的结构
许多生物分子的功能,他们的三维结构是至关重要的。研究人员因此不仅感兴趣的序列的单个生物分子的构建块,而且在他们的空间结构。人工智能(AI)的帮助下,bioinformaticians已经可以准确预测蛋白质的三维结构的氨基酸序列。
RNA分子,然而,这项技术仍处于起步阶段。研究员Ruhr-Universitat波鸿(摩擦)描述了一种方法,这种方法可以使用人工智能可靠地预测某些RNA分子的结构从杂志上的核苷酸序列PLOS计算生物学。
工作,维维安勃兰登堡和弗朗茨教授领导的团队Narberhaus按摩椅的微生物生物学与生物信息学教授Axel Mosig合作能力的波鸿蛋白诊断中心区域。
细胞环境必须考虑
”之间常常只被视为一个信使RNA基因组DNA和蛋白质”,Axel Mosig说。“但很多RNA分子接管细胞功能。“他们的空间结构是很重要的。类似地区核苷酸序列可以聚集在一起,形成三维的安排。
“识别这些自相似性在RNA序列就像一个数学难题”,维维安勃兰登堡解释道。这个谜题有一个生物物理模型与相应的预测算法。然而,该模型不能考虑RNA的细胞环境,这也影响了折叠的过程。“如果RNA是孤立的和漂浮在溶液中,该模型能够准确预测结构”,勃兰登堡说。但一个活细胞包含许多其他组件。
这就是人工智能。AI可以学习微妙的模式从细胞环境中基于已知的结构。它可以把这些发现融入结构预测。人工智能的学习过程,然而,需要足够的训练数据,这实际上是缺乏实践。
获取训练数据的技巧
解决失踪的训练数据的问题,波鸿队使用技巧:研究人员曾与已知的RNA结构图案。使用一种反向齿轮,他们几乎可以生成任意数量的能量模型的核苷酸序列折叠成这些空间结构的这些结构。这种所谓的逆折叠的帮助下,研究人员生成许多成对的核苷酸序列和结构训练AI。
新结构可靠地预测
研究人员然后AI面对一个新的任务:它必须预测某些细菌RNA分子的结构。这些分子-称为转录终止剂是重要的停止信号在细菌基因组DNA的翻译。通常,像许多其他RNA分子与重要的细胞功能,它们隐藏在基因组和难以区分地区与其他功能。
人工智能能够可靠地识别和预测转录终止剂的典型结构,让人想起一个发夹。研究小组能够证明这个使用公开可用的实验数据。
参考:勃兰登堡VB, Narberhaus F, Mosig a逆折叠基础训练的“内在的可靠识别转录终止剂。公共科学图书馆第一版。医学杂志。2022;18 (7):e1010240。doi:10.1371 / journal.pcbi.1010240。
本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。
