오픈 소스! 홍콩 중국인, MIT, 푸단이 최초의 RNA 초석 모델 제안

PHPz
풀어 주다: 2023-04-09 15:11:03
앞으로
1073명이 탐색했습니다.

단백질 분야와 달리 RNA 분야의 연구는 충분한 주석 데이터가 부족한 경우가 많습니다. 예를 들어 3D 데이터에는 1,000개 이상의 RNA만 있습니다. 이는 RNA 구조-기능 예측 작업에서 기계 학습 방법의 개발을 크게 제한합니다.

주석이 있는 데이터의 부족함을 보완하기 위해 이 기사에서는 다양한 유형의 RNA 연구에 풍부한 구조적, 기능적 지식을 제공할 수 있는 초석 모델인 RNA 기초 모델(RNA-FM)을 보여줍니다. 2,300만 개의 라벨이 지정되지 않은 RNA 서열을 기반으로 감독되지 않은 방식으로 훈련된 세계 최초의 RNA 초석 모델인 RNA-FM은 RNA 서열에 포함된 진화 및 구조적 패턴을 마이닝합니다.

RNA-FM은 단순한 다운스트림 모델만 일치시키거나 임베딩만 제공하면 되며 2차 구조 예측 20% 개선, 거리 개선 등 많은 다운스트림 작업에서 SOTA보다 훨씬 더 나은 성능을 달성할 수 있다는 점은 주목할 가치가 있습니다. 지도 예측은 30% 향상될 수 있습니다. 대규모 실험을 통해 이 모델이 고도로 일반화 가능하며 코로나19 및 mRNA의 조절 단편에도 사용될 수 있음이 입증되었습니다.

오픈 소스! 홍콩 중국인, MIT, 푸단이 최초의 RNA 초석 모델 제안

  • 논문 사전 인쇄: https://arxiv.org/abs/2204.00300
  • 코드 및 모델: https://github.com/ml4bio/RNA - FM
  • Server: https://proj.cse.cuhk.edu.hk/rnafm

Introduction

최근 몇 년 동안 딥러닝을 기반으로 한 생물학적 컴퓨팅 방법이 이 분야에서 획기적인 발전을 이루었습니다. 가장 유명한 이정표는 Google DeepMind 팀이 개발한 엔드투엔드 단백질 3D 구조 예측 프레임워크 AlphaFold2입니다. 그러나 단백질은 많은 생물학적 분자 중 한 유형일 뿐이며, 단백질 생산의 원천인 유전자(DNA/RNA)는 후자보다 더 많은 기본 정보를 포함하고 있으며 더 중요한 연구 가치를 가지고 있습니다.

일반적으로 단백질은 코딩에 사용되는 RNA, 즉 고정된 mRNA가 고정된 단백질 서열로 번역되는 산물입니다. 실제로 코딩 RNA의 이 부분은 전체 RNA 서열의 2%만을 차지하고 나머지 98%는 비코딩 RNA(ncRNA)입니다. ncRNA는 단백질로 직접 "번역"되지는 않지만 특정 기능을 가진 3차 구조로 접히고 mRNA의 번역 과정이나 기타 생물학적 기능에서 조절 역할을 합니다. 따라서 ncRNA의 구조와 기능을 분석하는 것은 단백질 분석보다 더 기본적이고 복잡한 연구이다.

그러나 계산 방법이 보다 성숙한 단백질 분야에 비해 RNA 기반의 구조 및 기능 예측은 아직 초기 단계이며, 원래 단백질 분야에 적용 가능한 계산 방법은 RNA 분야로 직접 이전하기가 어렵습니다. . 이러한 계산 방법의 주요 한계는 일반적으로 RNA 데이터의 주석을 얻기가 어렵고, 적은 양의 데이터에 대한 주석을 완료하는 데 많은 실험 자원과 시간이 필요하다는 것입니다. 감독을 통해 높은 성과를 달성합니다. 비록 주석이 달린 데이터는 많지 않지만, RNA 분야에서는 실제로 주석이 없는 서열 데이터가 많이 축적되어 있다. 이 문서의 방법은 이러한 레이블이 지정되지 않은 데이터를 사용하여 다양한 다운스트림 작업에 대한 효과적인 추가 정보를 제공하는 것입니다.

이러한 고려 사항을 바탕으로 홍콩 중국인, MIT, 푸단 및 상하이 인공 지능 연구소 팀은 2,300만 개의 라벨이 지정되지 않은 순수 RNA 서열을 감독되지 않은 방식으로 훈련시킨 기초 모델 RNA 기초 모델(RNA-FM)을 제안했습니다. . 데이터가 훈련 과정 동안 주석 정보를 제공하지 않지만, RNA-FM은 여전히 ​​감독되지 않은 방식으로 이러한 RNA 서열에 포함된 진화 및 구조적 패턴을 마이닝합니다.

RNA-FM이 다운스트림 RNA 구조 및 기능 예측 작업에 효과적으로 적용될 수 있다면 이러한 컴퓨팅 방법은 RNA-FM으로 요약된 지식의 이점을 확실히 활용하여 성능을 향상시킬 수 있습니다. RNA-FM의 업스트림 사전 훈련과 다운스트림 마이그레이션 및 적용 프레임워크는 아래 그림에 나와 있습니다.

오픈 소스! 홍콩 중국인, MIT, 푸단이 최초의 RNA 초석 모델 제안

연구 개요

미리 훈련된 RNA-FM이 라벨링되지 않은 대량의 데이터로부터 '지식'을 학습했는지, 어떤 '지식'을 학습했는지 확인하기 위해 기사 일련의 임베딩 테스트 분석 을 수행했습니다.

먼저 다양한 특징에 대한 간단한 클러스터링 비교를 UMAP을 통해 직접 수행한 결과, 사전 훈련된 RNA-FM의 임베딩이 다른 임베딩보다 더 명확한 RNA 종 클러스터를 형성하는 것으로 나타났습니다. 이는 RNA-FM의 삽입이 RNA 종을 구별하기 위한 구조적 또는 기능적 정보를 포함하고 있음을 의미합니다.

그런 다음, 기사에서는 궤적 추론을 사용하여 RNA-FM 임베딩을 통해 다양한 종의 lncRNA 진화를 예측합니다. 아래 흐름도에서 예측된 종 간 진화의 유사 시간은 실제 종의 진화 정보와 대략 일치하며, 이는 RNA-FM 임베딩에도 진화 정보의 일부가 포함되어 있음을 나타냅니다.

RNA 종의 공동체 정보이든 lncRNA의 진화 정보이든, RNA-FM은 훈련 중에 이러한 라벨에 직접 노출되지 않았다는 점에 주목할 가치가 있습니다. RNA-FM은 완전히 자기 감독 방식으로 순수 서열에서 구조, 기능 및 진화와 관련된 패턴을 발견합니다.

오픈 소스! 홍콩 중국인, MIT, 푸단이 최초의 RNA 초석 모델 제안


더 많은 실험 결과

RNA-FM의 삽입을 직접 분석하는 것 외에도 이 기사에서는 2차 구조, 접촉 예측, 거리 예측, 3차 구조 예측이 모두 상당한 개선을 이루었습니다.

특히 2차 구조 예측에서 기사는 RNA-FM을 백본으로 사용하고 간단한 ResNet 네트워크만 다운스트림 모델로 사용하여 두 개의 공개 데이터 세트에서 다른 12개의 최신 상태를 능가합니다. F1score에서 최고의 UFold보다 3~5% 포인트 더 좋습니다. UFold와의 정면 비교에서 RNA-FM은 대부분의 RNA 범주에서 UFold를 능가합니다. RNA-FM을 E2Efold와 결합하면 추가로 5% 성능 향상을 달성할 수 있습니다.

오픈 소스! 홍콩 중국인, MIT, 푸단이 최초의 RNA 초석 모델 제안

모델의 실제 적용 가치를 검증하기 위해 기사 에서는 RNA-FM을 사용하여 코로나19를 정확하게 예측하기 위해 RNA-FM을 사용하는 것을 포함하여 코로나19 데이터에 대한 완전한 분석을 수행합니다. -19 참조 게놈(29870nt) 주요 조절 요소를 사용하고 RNA-FM 임베딩을 사용하여 주요 코로나19 변종의 진화 추세를 대략적으로 예측합니다. 오픈 소스! 홍콩 중국인, MIT, 푸단이 최초의 RNA 초석 모델 제안

일반적으로 말하면, 분자의 구조가 그 기능을 결정합니다. RNA-FM은 RNA 구조 예측 작업을 훌륭하게 완료할 수 있는데, RNA-FM을 사용하여 기능 예측 결과도 향상시킬 수 있나요?

따라서 기사 에서는 RNA-FM 임베딩을 사용하여 RNA-단백질 역할을 예측하는 등 다운스트림 RNA 기능 예측 작업에 RNA-FM을 도입하려고 추가로 시도합니다.

RNA-FM 임베딩의 도입으로 모델의 성능이 향상되었음을 실험을 통해 입증했으며, 경우에 따라 실제 2차 구조 정보를 입력과 일치하는 예측 결과를 달성하기도 했습니다.

오픈 소스! 홍콩 중국인, MIT, 푸단이 최초의 RNA 초석 모델 제안

ncRNA 훈련을 기반으로 한 RNA-FM이 다른 RNA에도 일반화될 수 있는지 알아보기 위해 기사에서는 마침내 RNA-FM을 사용하여 5'UTR을 기반으로 한 단백질 발현 기능을 예측하려고 시도합니다. mRNA에. mRNA는 ncRNA에 속하지 않지만 그 위에 있는 5'UTR은 번역되지는 않지만 조절 기능을 하는 영역으로, 이는 ncRNA의 특성과 일치하며 훈련 데이터에는 나타나지 않습니다.

아래 그림에서 볼 수 있듯이 RNA-FM 임베딩을 포함하는 모델은 그렇지 않은 모델보다 항상 우수합니다. 성능 향상은 상대적으로 제한적이지만 RNA-FM도 비-ncRNA 데이터에 대한 특정 일반화 능력을 가지고 있음을 부분적으로 보여줍니다.

오픈 소스! 홍콩 중국인, MIT, 푸단이 최초의 RNA 초석 모델 제안

결론

일반적으로 이 기사에서는 레이블이 지정되지 않은 RNA 서열 데이터로 언어 모델 RNA-FM을 사전 훈련하고 직접 또는 간접적인 방법을 통해 구조나 기능과 같은 일련의 다양한 작업에 대해 포괄적인 검증을 수행하여 RNA가임을 증명합니다. -FM은 실제로 다운스트림 작업에서 컴퓨팅 방법의 성능을 효과적으로 향상시킬 수 있습니다.

RNA-FM의 출현으로 RNA 주석이 달린 데이터의 현재 상황이 어느 정도 완화되었으며, 다른 연구자들이 라벨이 없는 대량의 데이터에 접근할 수 있는 편리한 인터페이스를 제공하게 되면서 RNA 분야의 기본 모델이 될 것입니다. . 이 분야의 다양한 연구에 대한 강력한 지원과 도움을 제공합니다.

저자 소개

이 글의 공동 제1저자는 2명입니다. Chen Jiayang은 홍콩중문대학교의 연구 조교입니다. Hu Zhihang은 홍콩 중문 대학교의 박사 과정 후보자입니다.

이 기사에는 교신저자가 2명 있습니다. 푸단대학교 지능형 복합 시스템 연구소 및 상하이 인공 지능 연구소의 젊은 연구원 Sun Siqi, 홈페이지 https://intersun.github.io.

Li Yu, 홍콩 중문 대학교 조교수, MIT James Collins 연구소 객원 조교수, MIT 및 Harvard의 Broad Institute 연구 과학자, Harvard University Wyss Institute 객원 학자, Forbes 30 Under 30 아시아 목록 – 2022년 클래스, 의료 및 과학. 홈페이지: https://liyu95.com.

위 내용은 오픈 소스! 홍콩 중국인, MIT, 푸단이 최초의 RNA 초석 모델 제안의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

관련 라벨:
원천:51cto.com
본 웹사이트의 성명
본 글의 내용은 네티즌들의 자발적인 기여로 작성되었으며, 저작권은 원저작자에게 있습니다. 본 사이트는 이에 상응하는 법적 책임을 지지 않습니다. 표절이나 침해가 의심되는 콘텐츠를 발견한 경우 admin@php.cn으로 문의하세요.
최신 이슈
인기 튜토리얼
더>
최신 다운로드
더>
웹 효과
웹사이트 소스 코드
웹사이트 자료
프론트엔드 템플릿