Çin Bilim ve Teknoloji Üniversitesi ekibi, 21 milyon dizi-yapı eşleştirmesi verisiyle eğitilen açık kaynaklı RNA dizisi temel modeli structRFM'yi tanıttı ve birçok temel gösterge uluslararası öncü düzeyde; sonuçlar Nature dergisinde yer aldı.Yazan: AIBase
Çin Bilim ve Teknoloji Üniversitesi araştırma ekibi, yaşam bilimleri ve yapay zeka kesişim alanında önemli bir atılım gerçekleştirdi ve adı structRFM olan açık kaynaklı RNA dizisi temel modelini resmen duyurdu. İlgili araştırma sonuçları, yakın zamanda uluslararası üst düzey akademik dergi Nature'da yayımlandı. Küresel bilimsel ekosistemin ortak ilerlemesini teşvik etmek amacıyla araştırma ekibi, modelin tam eşleme verilerini, ağırlıklarını ve kaynak kodunu tüm küresel bilim insanları için engelsiz ve ücretsiz olarak açık kaynaklı hale getirdi.
Temel arka plan: RNA araştırmalarını ve yeni ilaç geliştirme süreçlerinin temel sorunlarını çözmek
Canlı organizmalarında kritik bir merkezi makromolekül olan ribonükleik asit (RNA), gen ifadesini ve protein sentezini kapsayan tüm yaşam döngüsüne dahil olur ve düzenler; bu nedenle küresel yenilikçi ilaç geliştirme alanında kaçınılmaz bir hedeftir.
Mikro düzeyde, RNA molekülleri baz eşleşmesi yoluyla karmaşık ikincil yapılar oluşturur ve belirli üç boyutlu konformasyonlara katlanır. Bu üç boyutlu ve ikincil yapılar, molekülün biyolojik aktivitesini ve diğer moleküllerle etkileşim biçimini doğrudan belirler. Ancak uzun yıllar boyunca, RNA'nın yapısını ve işlevini hassas bir şekilde çözme, bioinformatik alanının zorluklarından biri olmuştur.
Mimari ve Veri: 21 milyon eşleşme verisiyle desteklenen çift ön eğitim
Bu zorluğu çözmek için Çin Bilim ve Teknoloji Üniversitesi araştırma ekibi, yaklaşık 21 milyon adet hassas hesaplamalarla etiketlenmiş dizi-ikincil yapı eşleştirme verisi oluşturarak büyük modellerin eğitimi için büyük ölçekli ve yüksek kaliteli bir veri temeli hazırladı.
Bu temel üzerinde, geliştirme ekibi, modelin ön-eğitim aşamasında dizgi bağlam bilgilerini ve yapısal bağımlılıkları aynı anda öğrenmesini sağlayan yenilikçi bir algoritma tasarladı. Derin ön-eğitimden sonra, model yüksek düzeyde kolaylık ve genelleştirme yeteneği sergiledi: araştırmacılar yalnızca temel bir dizgi girdiğinde, model otomatik ve hassas bir şekilde dizgi seviyesi, nükleotid seviyesi ve nükleotid çifti seviyesinde üçlü özellikler çıkarabiliyor ve bu da çeşitli yapısal ve fonksiyonel çıkarım görevlerini etkili bir şekilde destekliyor.
Deneysel etki: Birden fazla temel göstergenin uluslararası öncü seviyelere ulaştı
Sert deneyler ve temel testlerde structRFM, dikkat çekici kapsamlı performans sergiliyor:
Sıfır örnek sınıflandırma ve yapı tahmini: Model, sıfır örnek homoloji sınıflandırma görevinde üstün performans gösterdi ve RNA ikincil yapısının tahmin doğruluğunu önemli ölçüde artırdı.
Üç boyutlu konformasyon ortak optimizasyonu: Araştırmacılar, çıkarılan özelliklerini üç boyutlu yapı tahmin modeline sorunsuz şekilde entegre ettikten sonra, üç boyutlu konformasyonun ve ilgili sekonder yapının nihai tahminlerinde önemli bir iyileşme sağladı.
Biyolojik fonksiyon doğru tahmini: Gerçek uygulama fonksiyon tahmininde, bu model splicing sitleri tahmini, iç ribozom girişi sitesi (IRES) tanıma ve kodlamayan RNA sınıflandırma konularında mükemmel şekilde destek sağlar.
Güçlü genelleştirme ve genişletme yeteneği: Yeni keşfedilen RNA aileleriyle karşılaşıldığında model, sekonder yapı tahmini konusunda hâlâ mükemmel performans gösterdi; esnek bölütleme stratejisi sayesinde uzun non-kodleyici RNA sınıflandırma görevlerine kadar uygulama alanını başarıyla genişletti.
Ayrıca, araştırma ekibi, detaylı soyutlama deneyleriyle yapısal bilginin ve maskeleme stratejisinin modelin genel performansındaki kritik etkisini bilimsel olarak doğrulamıştır ve gelecekteki algoritmaların tasarımı için sağlam deneysel bir temel sağlamıştır. Bu modelin tamamen açık kaynak hale getirilmesiyle, küresel bilimsel topluluk bu yeni aracı kullanarak RNA yapısının çözümlenmesini ve öncü biyomedikal araştırmalarını hızlandırabilecektir.