Новый вычислительный инструмент использует большие данные и глубокое обучение для изучения «тёмной материи» транскриптома

Исследовательская команда из Детской больницы Филадельфии (CHOP) разработала инновационный вычислительный инструмент, который позволяет эффективно анализировать различные способы «сборки» (сплайсинга) РНК при её копировании с ДНК. Поскольку вариации в сплайсинге РНК играют ключевую роль во многих заболеваниях, этот инструмент расширит возможности поиска биомаркеров болезней и терапевтических мишеней, даже на основе наборов данных РНК-секвенирования (RNA-seq) с умеренным покрытием.

Руководитель исследования И Син (Yi Xing, Ph.D.) и первые авторы, аспиранты Цзюнь Чжан (Zijun Zhang) и Чжичэн Пань (Zhicheng Pan), представили свою платформу DARTS в журнале Nature Methods. DARTS (Deep-learning Augmented RNA-seq analysis of Transcript Splicing) использует прогнозы на основе глубокого обучения, чтобы задействовать информацию из общедоступных наборов данных RNA-seq, что позволяет получить новые данные об альтернативном сплайсинге.

Концептуальная инновация DARTS — это создание моста между большими данными из публичных источников и меньшими наборами данных в отдельных исследованиях. Платформа преобразует огромные массивы общедоступных данных RNA-seq в базу знаний, представленную в виде глубокой нейронной сети, о регуляции сплайсинга. Эта модель может быть использована в любой лаборатории, повышая эффективность экспериментов и позволяя делать новые открытия даже на основе 20–30 миллионов прочтений RNA-seq.

Альтернативный сплайсинг — это процесс, при котором информация из ДНК одного гена комбинируется разными способами, создавая различные матричные РНК (mRNA) и белковые продукты. В среднем каждый ген производит 10 и более таких вариантов, а иногда до 38 000. Вариации в альтернативном сплайсинге могут вызывать болезнь, влиять на риск её развития или изменять тяжесть течения.

Стандартной технологией для изучения альтернативного сплайсинга является массово-параллельное РНК-секвенирование. Однако для точного измерения сплайсинга эксперименты должны быть очень «глубокими» (более 100 миллионов прочтений), что дорого. Кроме того, многие клинически важные гены имеют низкий уровень экспрессии, и даже глубокое секвенирование не может обеспечить достаточное покрытие для анализа их паттернов сплайсинга.

В этом исследовании команда использовала крупномасштабные публичные данные RNA-seq (например, от консорциума ENCODE) для обучения глубокой нейронной сети, предсказывающей изменения в альтернативном сплайсинге. Модель включает данные об уровне mRNA 1500 РНК-связывающих белков и 3000 последовательностных признаков.

Чтобы исследователи могли использовать эту модель в своих работах, прогнозы нейронной сети комбинируются с реальными данными RNA-seq конкретных биологических образцов с помощью статистического подхода — байесовского проверки гипотез.

Учёные применили DARTS к клеточным линиям рака лёгкого и простаты, которые являются моделями эпителиально-мезенхимального перехода (важного для эмбрионального развития и метастазирования рака). Используя прогнозы глубокого обучения, DARTS обнаружил изменения в паттернах альтернативного сплайсинга во многих генах, которые не были выявлены обычными вычислительными инструментами из-за низкого уровня экспрессии этих генов. Эти предсказания были затем подтверждены экспериментально.

Платформа DARTS открывает новые возможности для изучения вклада малоисследованных генов, которые могут быть слабо экспрессированы, но оказывать важное влияние на здоровье и болезнь. В будущем возможно создание версий, предсказывающих альтернативный сплайсинг в конкретных тканях пациентов, что может улучшить диагностику редких заболеваний.