Açık bir RNA modeli dizinin yanında katlanma biçimini de okumayı öğrendi

Biyolojide yeni bir temel model çıktığında haberler çoğu zaman parametre sayısı ve sonuç tablosuyla başlar. 5 Kasımda Nature dergisinde, Çin Bilim ve Teknoloji Üniversitesinden Shaohua Zhou ve Peng Xiong'un grubunun yayımladığı structRFM çalışması farklı bir girişi hak ediyor: modelden ne öğrenmesinin istendiğini değiştiriyor. Bir RNA molekülünü dört harften oluşan bir zincir gibi ele almak yerine, ön eğitim ağı o zincirin hangi biçime katlandığını da hesaba katmaya zorluyor. Bu, modellenen nesne hakkında bambaşka bir iddiadır ve çalışmayı bir sıralama tablosundaki konumdan daha değerli kılan da budur.

RNA çoğu zaman genetik bilgi ile protein arasındaki ulak olarak tanıtılır; kullanışlı ama yanıltıcı bir sadeleştirmedir. Protein sentezine katıldığı gibi gen ifadesinin denetimine ve ekleme sürecine de katılır, davranışı hem nükleotit sırasına hem de benimsediği ikincil ve üçüncül yapılara bağlıdır. Aynı baz dizisi farklı yapısal durumlarda farklı biyolojik sonuçlar doğurabilir. Yalnızca A, U, C ve G üzerinde eğitilen bir kodlayıcı dolayısıyla ilgili bilginin yarısından mahrum başlar ve kendisine hiç gösterilmemiş bir değişkeni hiçbir ek dizi miktarı tamamen telafi edemez.

Alanın alışılmış yanıtı proteinlerde işe yaramış yöntemi olduğu gibi aktarmak oldu: geniş dizi koleksiyonları üzerinde öz denetimli ön eğitim, sonra her görev için ayrı bir ince ayar. Oysa yapı tahmini uzun süre kendi varsayımları ve biçimleriyle bağımsız bir araç zinciri olarak büyüdü. Sonuç, her yeni soruda özniteliklerin yeniden üretildiği parçalı bir iş akışıdır; etiketli verisi az olan görevler, yapı araçlarının zaten bildiklerini yeniden kullanamadıkları için en çok kaybeden taraf olur.

structRFM bir mimariyle değil bir veri kümesiyle başlıyor. Ekip, hesapsal yolla etiketlenmiş yaklaşık 21 milyon dizi–ikincil yapı çifti oluşturdu; hangi bazların bulunduğu sorusuyla hangi bazların birbiriyle eşleştiği sorusunu aynı öğrenme birimine bağladı. Etiketlemenin hesapsal olması, ileride yeniden değineceğimiz önemli bir çekincedir; ancak yapısal bilginin sonradan eklenmek yerine ön eğitime bir öğrenme sinyali olarak girdiği kesindir. Üstelik denetim yoğundur: dizinin sonunda tek bir etiket değil, her konumda bir yapısal ilişki vardır.

Amaç bu yüzden iki yönlüdür: dizi bağlamı ile yapısal bağımlılığı birlikte öğrenmek, ikisini de zorunlu kılan bir maskeleme düzeniyle çalışmak. Ablasyon deneyleri yapı dalı ile maskeleme stratejisinin katkısını ayrı ayrı ölçüyor ve ikisinin de etkili olduğunu gösteriyor. Bu ayrıntı, yaklaşımı yeniden üretmek isteyen bir ekibin sorabileceği en yararlı soruyu yanıtlar: kazancı hangi bileşen gerçekten üretti? Yalnızca veri kümesi büyüdüğü için iyileşen bir sonuç, mekanizması ayrıştırılmış bir sonuçtan çok daha az işe yarar. Eğitilmiş model, tek bir dizi girdisinden üç ölçekte temsil üretir: dizinin tamamı, tek nükleotit ve nükleotit çifti. Bilinçli olarak pratik bir tasarımdır; ikincil yapı özünde bir eşleşme problemidir, ekleme bölgesi tespiti yerel etiketlemeye yakınken homoloji sınıflandırması bütüncül bir görüş ister.

Değerlendirme listesinin çeşitliliği de aynı savın parçasıdır: ikincil yapı tahmini, örnek görmeden homoloji sınıflandırması, ekleme bölgesi tahmini, ribozomun iç giriş bölgesinin tanınması ve kodlamayan RNA sınıflandırması. Çeşitlilik argümanın kendisidir: model gerçekten yapısal düzenlilikleri içselleştirdiyse bu görevlerin birlikte iyileşmesi, tek bir göstergenin özel olarak optimize edilmemesi gerekir. Manşet sayılarından daha fazla ilgiyi iki sonuç hak ediyor. structRFM temsilleri mevcut üç boyutlu tahmin hattına verildiğinde hem 3B çıktı hem ona bağlı ikincil yapı iyileşti; eşleşme kısıtları olası katlanmaların uzayını daralttığı için bu fiziksel olarak akla yatkındır. Model yeni yayımlanmış RNA aileleri karşısında da dayanıklı kaldı ve uzun kodlamayan RNA'lara bölümleme stratejisiyle uzatıldı. Biyolojik veri tabanları her gün yeni aileler kazandığından, sabit bir test kümesindeki küçük bir puan farkından çok bu dayanıklılık gerçek kullanıma yakındır.

Yayın, çiftlerin tamamını, ağırlıkları ve kaynak kodunu içeriyor. Hesaplamalı biyolojide çoğu zaman yeniden üretilmesi en zor olan veridir; etiketleme hatları sonuçları sessizce değiştiren parametreler, sürümler ve süzme kuralları taşır, bu bağlam olmadan yayımlanan ağırlıklar teknik olarak açık ama uygulamada tekrarlanamaz bir makale bırakır. Ablasyon çalışmalarıyla birlikte bu açıklık, başka ekiplere yaklaşımın nerede kırıldığını sınama fırsatı verir; hesapsal etiketleme ile deneysel ölçüm arasındaki fark ve saptanabilir homoloğu olmayan katlanmalarda davranış da buna dahildir. Bu, topluluk için bir başlangıç noktasıdır, bitmiş bir yanıt değil.