นักวิทยาศาสตร์จีนเปิดตัวโมเดล RNA แบบโอเพ่นซอร์ส structRFM ตีพิมพ์ใน Nature

iconMetaEra
แชร์
AI summary iconสรุป
ทีมวิจัยจากมหาวิทยาลัยวิทยาศาสตร์และเทคโนโลยีจีนได้เปิดตัวโมเดล RNA แบบโอเพ่นซอร์สชื่อ structRFM ที่ฝึกด้วยข้อมูลคู่ลำดับ-โครงสร้าง 21 ล้านชุด โมเดลนี้ซึ่งตีพิมพ์ใน Nature มีประสิทธิภาพขั้นสูงในการทำนายโครงสร้าง RNA และงานอนุมานหน้าที่ ทีมงานได้เปิดซอร์สข้อมูล น้ำหนัก และโค้ดทั้งหมดสำหรับการใช้งานทั่วโลก ข้อมูลบนโซ่แสดงให้เห็นถึงความสนใจที่เพิ่มขึ้นในเครื่องมือชีวสารสนเทศ สะท้อนความต้องการที่เพิ่มขึ้นสำหรับการวิจัยที่ขับเคลื่อนด้วยปัญญาประดิษฐ์
ทีมจากมหาวิทยาลัยวิทยาศาสตร์และเทคโนโลยีจีนเปิดตัวโมเดลพื้นฐานสำหรับลำดับ RNA แบบเปิดแหล่งที่มาชื่อ structRFM ซึ่งได้รับการฝึกด้วยข้อมูลคู่ลำดับ-โครงสร้างกว่า 21 ล้านชุด แสดงผลลัพธ์ในดัชนีหลักหลายประการที่อยู่ในระดับชั้นนำของโลก และผลงานนี้ได้รับการตีพิมพ์ในนิตยสาร Nature

ผู้เขียนบทความ แหล่งที่มา: AIBase

ทีมวิจัยจากมหาวิทยาลัยวิทยาศาสตร์และเทคโนโลยีจีนเพิ่งบรรลุความก้าวหน้าครั้งสำคัญในด้านชีววิทยาและปัญญาประดิษฐ์ โดยเปิดตัวโมเดลพื้นฐานสำหรับลำดับ RNA ชื่อ structRFM ซึ่งผลงานวิจัยที่เกี่ยวข้องได้รับการตีพิมพ์ในวารสารวิชาการชั้นนำระดับนานาชาติ Nature เมื่อไม่นานมานี้ เพื่อส่งเสริมความก้าวหน้าร่วมกันของระบบนิเวศการวิจัยทั่วโลก ทีมวิจัยได้ประกาศเปิดแหล่งข้อมูลแบบโอเพนซอร์สอย่างครบถ้วน รวมถึงข้อมูลคู่ทั้งหมด น้ำหนักของโมเดล และรหัสต้นฉบับ เพื่อให้นักวิจัยทั่วโลกสามารถใช้งานได้ฟรีโดยไม่มีข้อจำกัด

พื้นฐานหลัก: แก้ไขจุดที่ท้าทายที่สุดในการวิจัย RNA และการพัฒนายาใหม่

เป็นโมเลกุลขนาดใหญ่ที่สำคัญอย่างยิ่งในสิ่งมีชีวิต รีโบนิวคลีอิกแอซิด (RNA) มีบทบาทอย่างกว้างขวางในการควบคุมและจัดการวงจรชีวิตทั้งหมดของการแสดงออกของยีนและการสังเคราะห์โปรตีน และเป็นเป้าหมายหลักที่หลีกเลี่ยงไม่ได้ในการวิจัยและพัฒนายาใหม่ทั่วโลกปัจจุบัน

ในระดับจุลภาค โมเลกุล RNA จะก่อรูปโครงสร้างที่สองที่ซับซ้อนผ่านการจับคู่เบส และพับตัวต่อไปเป็นรูปร่างสามมิติที่เฉพาะเจาะจง โครงสร้างสามมิติและโครงสร้างที่สองเหล่านี้เองที่กำหนดกิจกรรมทางชีววิทยาของโมเลกุลและวิธีการที่มันโต้ตอบกับโมเลกุลอื่นๆ อย่างไรก็ตาม มานานหลายปี การวิเคราะห์โครงสร้างและฟังก์ชันของ RNA อย่างแม่นยำยังคงเป็นอุปสรรคใหญ่ในสาขาชีวสารสนเทศ

image.png

สถาปัตยกรรมและข้อมูล: การฝึกอบรมล่วงหน้าสองครั้งที่ขับเคลื่อนด้วยข้อมูลคู่มากกว่า 21 ล้านคู่

เพื่อแก้ปัญหานี้ ทีมวิจัยจากมหาวิทยาลัยวิทยาศาสตร์และเทคโนโลยีจีนได้หาทางใหม่ โดยสร้างชุดข้อมูลคู่ลำดับ-โครงสร้างทุติยภูมิที่ได้รับการระบุอย่างแม่นยำประมาณ 21 ล้านรายการ ซึ่งเป็นรากฐานข้อมูลปริมาณมหาศาลและมีคุณภาพสูงสำหรับการฝึกโมเดลขนาดใหญ่

บนพื้นฐานนี้ ทีมวิจัยได้ออกแบบอัลกอริธึมเชิงนวัตกรรมที่ทำให้โมเดลสามารถเรียนรู้ข้อมูลบริบทของลำดับและความสัมพันธ์เชิงโครงสร้างพร้อมกันในขั้นตอนการฝึกล่วงหน้า หลังจากการฝึกล่วงหน้าอย่างลึกซึ้ง โมเดลนี้แสดงให้เห็นถึงความสะดวกและความสามารถทั่วไปที่สูงมาก: นักวิจัยเพียงแค่ป้อนลำดับพื้นฐาน โมเดลจะสามารถดึงคุณลักษณะสามระดับได้อย่างอัตโนมัติและแม่นยำ ได้แก่ ระดับลำดับ ระดับนิวคลีโอไทด์ และระดับคู่นิวคลีโอไทด์ ซึ่งช่วยสนับสนุนงานต่างๆ ในการอนุมานโครงสร้างและหน้าที่อย่างมีประสิทธิภาพ

ผลการทดลอง: ดัชนีหลักหลายรายการบรรลุระดับชั้นนำของโลก

ในการทดลองและทดสอบประสิทธิภาพอย่างเข้มงวด structRFM แสดงให้เห็นถึงประสิทธิภาพโดยรวมที่น่าประทับใจ:

การจำแนกแบบศูนย์ตัวอย่างและการพยากรณ์โครงสร้าง: โมเดลแสดงประสิทธิภาพที่ยอดเยี่ยมในงานจำแนกความคล้ายกันแบบศูนย์ตัวอย่าง และเพิ่มความแม่นยำในการพยากรณ์โครงสร้างรองของ RNA อย่างมีนัยสำคัญ

การปรับปรุงร่วมกันของรูปทรงสามมิติ: เมื่อนักวิจัยผสานคุณลักษณะที่ดึงออกมาอย่างราบรื่นเข้ากับแบบจำลองการทำนายรูปทรงสามมิติ ผลลัพธ์สุดท้ายของการทำนายรูปทรงสามมิติและโครงสร้างระดับที่สองที่เกี่ยวข้องจึงได้รับการปรับปรุงอย่างมีนัยสำคัญ

การอนุมานฟังก์ชันทางชีวภาพอย่างแม่นยำ: ในด้านการอนุมานฟังก์ชันการใช้งานจริง โมเดลนี้สามารถสนับสนุนการพยากรณ์ไซต์การตัดต่อ การระบุไซต์การเข้าถึงไรโบโซมภายใน (IRES) และการจัดหมวดหมู่ RNA ที่ไม่เข้ารหัสได้อย่างยอดเยี่ยม

ความสามารถในการทั่วไปและขยายตัวอย่างแข็งแกร่ง: แม้面对กลุ่ม RNA ใหม่ที่ค้นพบ โมเดลยังคงแสดงประสิทธิภาพที่ยอดเยี่ยมในการทำนายโครงสร้างระดับสอง; ด้วยกลยุทธ์การแบ่งส่วนที่ยืดหยุ่น โมเดลยังสามารถขยายขอบเขตการใช้งานไปยังงานจำแนกประเภท RNA ที่ไม่เข้ารหัสความยาว

นอกจากนี้ ทีมวิจัยได้ยืนยันอย่างเป็นวิทยาศาสตร์ผ่านการทดลองแบบลบองค์ประกอบอย่างละเอียดถึงบทบาทสำคัญของการนำข้อมูลโครงสร้างและกลยุทธ์การปิดบังมาใช้ในการเพิ่มประสิทธิภาพโดยรวมของโมเดล ซึ่งให้ข้อมูลการทดลองที่มั่นคงสนับสนุนการออกแบบอัลกอริธึมในอนาคต เมื่อโมเดลนี้เปิดให้ใช้งานอย่างเต็มรูปแบบ นักวิจัยทั่วโลกจะสามารถใช้เครื่องมือใหม่นี้เร่งความก้าวหน้าในการถอดรหัสโครงสร้าง RNA และการพัฒนาเภสัชกรรมและชีวการแพทย์ขั้นสูง

คำปฏิเสธความรับผิดชอบ: ข้อมูลในหน้านี้อาจได้รับจากบุคคลที่สาม และไม่จำเป็นต้องสะท้อนถึงมุมมองหรือความคิดเห็นของ KuCoin เนื้อหานี้จัดทำขึ้นเพื่อวัตถุประสงค์ในการให้ข้อมูลทั่วไปเท่านั้น โดยไม่มีการรับรองหรือการรับประกัน และจะไม่ถูกตีความว่าเป็นคำแนะนำทางการเงินหรือการลงทุน KuCoin จะไม่รับผิดชอบต่อความผิดพลาดหรือการละเว้นในเนื้อหา หรือผลลัพธ์ใดๆ ที่เกิดจากการใช้ข้อมูลนี้ การลงทุนในสินทรัพย์ดิจิทัลอาจมีความเสี่ยง โปรดประเมินความเสี่ยงของผลิตภัณฑ์และความเสี่ยงที่คุณยอมรับได้อย่างรอบคอบตามสถานการณ์ทางการเงินของคุณเอง โปรดดูข้อมูลเพิ่มเติมได้ที่ข้อกำหนดการใช้งานและเอกสารเปิดเผยข้อมูลความเสี่ยงของเรา