Одним из наименее изученных объектов в биологии по-прежнему остается геном человека. Геном человека был полностью секвенирован только в конце 90-х годов, и нам еще многое предстоит понять о внутренней работе ДНК, РНК и рибосомных взаимодействий. Одна из таких проблем связана с РНК-связывающими белками.

РНК-связывающие белки играют важную роль в посттранскрипционных модификациях, осуществляемых на транскрипционной РНК (в основном путем стимуляции таких процессов, как сплайсинг РНК и полиаденилирование, чтобы обеспечить стабильность мРНК или помочь в начале трансляции рибосомами). Однако ученые уже давно пытаются успешно определить сайты связывания между этими РНК-связывающими белками и их комплементарными молекулами РНК.

Возможность определить эти сайты связывания подталкивает нас к более глубокому пониманию того, как действуют эти связывающие белки. В то же время он дает возможность использовать эти махинации, чтобы попытаться принудительно запустить процессы РНК для таких целей, как увеличение экспрессии генов или синтез полипептидов, что имеет большой потенциал в биотехнологии и биоинженерии.

До недавнего времени основные трудности, с которыми сталкивались исследователи при определении сайтов связывания РНК, были связаны с их огромным количеством, а также со структурой РНК. Учитывая огромное количество возможных молекул РНК, которые могут быть получены даже на основе протеома одной клетки, почти невозможно определить каждую из них вручную, особенно если учесть количество ресурсов, необходимых для процесса. В результате многие исследователи обратились к использованию глубокого обучения для определения этих сайтов связывания. Однако здесь они столкнулись со второй проблемой, заключающейся в том, что почти все эти методы не смогли должным образом выделить иерархические особенности вторичной структуры молекул РНК (вторичная структура относится к формам, которые молекулы РНК принимают в результате образования водородных связей между ионами). и атомы в пределах одной и той же молекулы РНК). До сих пор так.

Группа китайских исследователей из Шанхайского университета, Янчжоуского политехнического университета, Шанхайского политехнического университета и Университета Каши разработала решение этой проблемы. Хотя модель, предложенная и протестированная командой, еще находится на ранних стадиях, она обучает модель машинного обучения, чтобы самостоятельно выяснить вторичную структуру молекул РНК, а затем использовать ее в своих собственных прогнозах для эффективного определения возможных участков белка, связывающего РНК. Кроме того, предложенная модель демонстрирует блестящие результаты с чрезвычайно более высоким показателем AUC (расчетная мера того, насколько «искусной» является модель машинного обучения), чем ее нынешний современный аналог. Это даже лучшая новость, учитывая, что команда уже предлагает изменения в модели и возможные способы ее улучшения.

Это определенно представляет захватывающую перспективу в биоинформатике. На данный момент это может быть незначительным прорывом в гиперспецифической области, но все крупные прорывы происходят из таких мелких прорывов. Все, что можно сделать с этого момента, — это продолжать наблюдать за тем, как продвигаются эти исследования, и продолжать совершенствовать и использовать биоинформатику и информатику в качестве инструментов для дальнейших исследований и разработок, связанных с биоинженерией.