Die Entwicklung eines KI-gestützten Ansatzes durch Forscher ermöglicht die Antizipation von RNA-Modifikationen
Revolutionäre Software wurde von Forschern der National University of Singapore und der Agency for Science, Technology, and Research entwickelt. Dieses Programm hat ein hohes Maß an Genauigkeit bei der Vorhersage chemischer Veränderungen an RNA-Molekülen. Der als m6Anet bekannte Ansatz des Teams wurde in der angesehenen Fachzeitschrift Nature Methods veröffentlicht.
RNA-Moleküle enthalten viele chemische Verbindungen, die bestimmen, wie sie funktionieren. Übliche Methoden, die von Wissenschaftlern zum Lesen von RNA verwendet werden, können diese RNA-Modifikationen jedoch normalerweise nicht erkennen. Die häufigste RNA-Modifikation ist N6-Methyladenosin (m6A). Das Auffinden von RNA-Modifikationen hat in der Vergangenheit lange gedauert und sich als schwierig erwiesen, da sie mit menschlichen Krankheiten wie Krebs zusammenhängen.
Durch den Einsatz der direkten Nanopore-RNA-Sequenzierung konnten die Forscher diese Einschränkungen überwinden. Diese hochmoderne Methode sequenziert unmodifizierte RNA-Moleküle zusammen mit ihren Veränderungen. Sie produzierten m6Anet. Durch die Nutzung einer Multiple-Instance Learning (MIL)-Technik und direkter Nanopore-RNA-Sequenzierungsdaten trainiert die Software tiefe neuronale Netze, um m6A genau zu erkennen.
Jedem Beispiel beim traditionellen maschinellen Lernen wird ein Label zugewiesen. Das Auffinden von m6A erfordert jedoch eine enorme Datenmenge mit unklaren Bezeichnungen. Um dieses Problem zu lösen, wandte das Team die MIL-Methode an. Die MIL-Ausgabe beinhaltet ein beträchtliches Fotoalbum mit einem Katzenbild, das zwischen Millionen anderer Bilder vergraben ist. Versuchen Sie dann, ohne Etiketten, die Sie als Richtlinie verwenden könnten, dieses bestimmte Bild zu identifizieren.
Die Wissenschaftler zeigten, dass m6Anet das Vorhandensein von m6A aus einer einzigen Probe artenübergreifend mit hoher Präzision und Einzelmolekülauflösung vorhersagen kann. Die Fähigkeit, RNA-Veränderungen in verschiedenen biologischen Proben zu erkennen, kann genutzt werden, um ihre Bedeutung in einer Vielzahl von Anwendungen, wie der Krebsforschung oder der Pflanzengenomik, zu verstehen. Dies sagt Dr. Jonathan Goke, Gruppenleiter des Labors für Computational Transcriptomics am GIS von ASTAR.
Das KI-Modell ist nur auf Daten einer menschlichen Probe gestoßen. Sogar Proben von Arten, denen das Modell noch nie zuvor begegnet ist, können verwendet werden, um RNA-Modifikationen genau zu identifizieren. „Die MIL-Methode bietet eine raffinierte Antwort auf diese schwierige Frage. Eine Belohnung für unsere Arbeit ist, dass das Programm so schnell von der wissenschaftlichen Gemeinschaft angenommen wird!“ bestätigte den Co-Leiter der Studie, Associate Professor Alexandre Thiery, Department of Statistics and Data Science, NUS Faculty of Science.
Die wissenschaftliche Gemeinschaft kann nun auf die Software und die Ergebnisse der Studie zugreifen und diese nutzen. Das seit langem bestehende Problem der genauen und effektiven Identifizierung von RNA-Veränderungen wird laut Professor Patrick Tan, Executive Director von ASTARs GIS, von m6Anet angegangen. Forscher in mehreren Bereichen können ihre Arbeit mit dieser bahnbrechenden Technologie vorantreiben. Sie werden auch in der Lage sein, die Funktion von RNA-Modifikationen in der Pflanzengenomik und menschlichen Krankheiten wie Krebs zu verstehen.
