Создан первый в мире глубокий генеративный подход для дизайна функциональных РНК

Исследователи из Киотского университета (проф. Хирохидэ Сайто) и Университета Васэда (проф. Митиаки Хамада) разработали первую в мире глубокую генеративную модель для дизайна РНК. Работа опубликована в журнале Nature Methods.

Несмотря на десятилетия интереса к РНК-инженерии, до сих пор не существовало универсальной вычислительной платформы для дизайна функциональных РНК. Большинство существующих подходов ограничены реконструкцией определённых вторичных структур или конкретными типами последовательностей (например, CRISPR gRNA, mRNA, рибопереключатели).

Традиционные методы, зависящие от предсказания и оптимизации вторичной структуры РНК, ограничены точностью соответствующих алгоритмов. Чтобы преодолеть эти ограничения, команда сосредоточилась на семействах РНК — группах из тысяч последовательностей с одинаковой функцией.

Новая модель, названная RfamGen (RNA family sequence Generator), сочетает два подхода:

  1. Ковариационная модель — статистическая структура для выравнивания РНК и консенсусной вторичной структуры.
  2. Вариационный автоэнкодер — глубокая генеративная модель с "латентным пространством" для исследования обширного пространства последовательностей.

RfamGen обучается на информации о последовательностях и структурах, чтобы логически исследовать новые варианты дизайна РНК.

Результаты тестирования:

  • На 18 семействах РНК (каждое с выравниванием ≥10 000 последовательностей) RfamGen показал значительно улучшенную способность генерировать высококачественные последовательности.
  • Даже при обучении всего на 500 входных последовательностях модель успешно генерировала РНК с высокими оценками.
  • При обучении на 629 семействах РНК (каждое ≥100 последовательностей из базы Rfam) RfamGen показал существенно лучшие результаты по сравнению с другими системами.
  • Синтезированные последовательности, сгенерированные RfamGen для рибозимов саморасщепления, проявили ферментативную активность, в отличие от случайно отобранных последовательностей.
  • В сравнительном тесте с естественными последовательностями рибозима glmS (обучение на ~500 последовательностях, генерация 1000) сгенерированные последовательности не только показали схожее распределение кинетики расщепления, но и более высокие скорости расщепления, чем некоторые природные аналоги.

Исследователи полагают, что RfamGen станет фундаментальной движущей силой, способной продвинуть РНК-биологию в новую эру и обеспечить новые открытия и приложения на основе РНК.