ECSFinder: predicción optimizada de estructuras secundarias de ARN conservadas evolutivamente a partir de secuencias...

Área de la Ciencia:

• La genómica
• La bioinformática
• Biología molecular

Sus antecedentes:

• La predicción precisa de las estructuras secundarias de ARN es crucial para comprender la conservación evolutiva y las funciones funcionales de los ARN largos no codificantes (ARNlnc).
• Las herramientas existentes como SISSIz y R-scape tienen limitaciones en la identificación de estructuras de ARN conservadas evolutivamente (ECS).

Objetivo del estudio:

• Para comparar SISSIz y R-scape para predecir los ECS utilizando marcos experimentales.
• Desarrollar un método mejorado para identificar los ECS mediante la integración de las fortalezas de las herramientas existentes.
• Implementar este método mejorado en una nueva herramienta para aplicaciones a gran escala.

Principales métodos:

• Evaluación comparativa de SISSIz y R-scape con las estructuras de ARN mitocondrial y las estructuras de Rfam simuladas.
• Evaluación de enfoques de aprendizaje automático interpretables para combinar la estabilidad termodinámica y las métricas de covariación.
• Desarrollo de un clasificador forestal aleatorio que integre las características de RNALalifold, SISSIz y R-scape.

Principales resultados:

• SISSIz y R-scape mostraron un rendimiento general similar pero con preferencias de detección distintas.
• Un clasificador de aprendizaje automático superó significativamente las herramientas individuales en la identificación de ECS.
• El clasificador desarrollado integró con éxito la estabilidad termodinámica y las métricas de covariación.

Conclusiones:

• Un nuevo enfoque de aprendizaje automático, implementado en ECSFinder, mejora la precisión de la identificación de estructuras secundarias de ARN conservadas.
• ECSFinder ofrece una identificación robusta de las estructuras de ARN en todo el genoma, proporcionando información sobre la evolución y la función del lncRNA.
• Esta herramienta es valiosa para la genómica comparativa a gran escala y la comprensión de los elementos modulares de lncRNA.