Учёные разработали метод на основе ИИ для предсказания модификаций РНК
Исследователи из Агентства по науке, технологиям и исследованиям (A*STAR) и Национального университета Сингапура (NUS) создали программный метод, точно предсказывающий химические модификации молекул РНК на основе геномных данных. Их метод, названный m6Anet, опубликован в Nature Methods.
Химические модификации, добавляемые к РНК, определяют её функцию. Однако эти изменения часто невидимы для стандартных методов чтения РНК. На сегодня обнаружено более 160 модификаций РНК, из которых наиболее распространённая — N6-метиладенозин (m6A) — связана с такими заболеваниями человека, как рак.
Ранее для идентификации модификаций РНК требовались трудоёмкие лабораторные эксперименты, недоступные большинству лабораторий. Кроме того, предыдущие методы не могли детектировать m6A с разрешением на уровне одной молекулы, что критически важно для понимания биологических механизмов.
Команда преодолела эти ограничения, использовав прямое нанопоровое секвенирование РНК — новую технологию, которая секвенирует исходную молекулу РНК вместе с её модификациями. Они разработали m6Anet — программное обеспечение, которое обучает глубокие нейронные сети на обширных данных прямого нанопорового секвенирования РНК с использованием подхода обучения с несколькими экземплярами (Multiple-Instance Learning, MIL) для точного обнаружения m6A.
«Проблема с обнаружением m6A в том, что у нас есть огромный объём данных с неясными метками. К счастью, это уже изучалось в литературе по машинному обучению и известно как проблема MIL», — пояснил Кристофер Хендра, первый автор исследования.
В исследовании команда показала, что m6Anet может предсказывать наличие m6A с высокой точностью на уровне одной молекулы по одному образцу у разных видов.
«Наша модель ИИ обучалась только на данных человеческого образца, но она способна точно идентифицировать модификации РНК даже в образцах видов, которые модель раньше не видела», — сказал доктор Джонатан Гёке, старший автор исследования. «Эта способность может быть использована для понимания роли модификаций во многих областях, например, в исследованиях рака или геномике растений».
«Очень приятно видеть, как теоретически обоснованные и хорошо изученные методы машинного обучения, такие как MIL, могут быть использованы для элегантного решения этой сложной проблемы», — отметил доцент Александр Тири, соавтор исследования.
Профессор Патрик Тан, исполнительный директор GIS, заявил: «Точная и эффективная идентификация модификаций РНК была давней проблемой, и m6Anet помогает преодолеть эти ограничения. Чтобы принести пользу научному сообществу, этот метод ИИ вместе с результатами исследования был обнародован для других учёных».