Mejor generalizabilidad de la predicción de la estructura secundaria de ARN a través de la red de atención de bloques...

Área de la Ciencia:

• Biología computacional
• Biología molecular
• La bioinformática

Sus antecedentes:

• La predicción precisa de la estructura secundaria del ARN (RSS) es vital para comprender la función del ARN, el diseño terapéutico y la biología sintética.
• Los métodos tradicionales de determinación de RSS (por ejemplo, RMN) son laboriosos; los métodos computacionales existentes, especialmente el aprendizaje profundo (DL), enfrentan problemas de generalización debido al exceso de ajuste y las inconsistencias de predicción.

Objetivo del estudio:

• Desarrollar un nuevo método computacional, TrioFold, que mejora la generalización de la predicción de la estructura secundaria de ARN.
• Integrar la información de emparejamiento de bases de los métodos termodinámicos y basados en DL para superar las limitaciones individuales.

Principales métodos:

• Se empleó el aprendizaje conjunto para combinar pistas de emparejamiento de bases de modelos termodinámicos y DL.
• Se incorporó un mecanismo de atención de bloqueo convolucional para mejorar el aprendizaje y la integración de características.
• Se desarrolló un servidor web en línea para proporcionar herramientas de predicción de RSS accesibles.

Principales resultados:

• TrioFold demostró una mayor precisión en las predicciones RSS intrafamiliares.
• El método exhibió una mayor generalización en las predicciones interfamiliares y de tipo de ARN cruzado en comparación con los enfoques existentes.
• El servidor web desarrollado ofrece una plataforma unificada para la predicción y el análisis de la estructura del ARN.

Conclusiones:

• TrioFold mejora efectivamente la generalizabilidad de la predicción de la estructura secundaria de ARN a través del aprendizaje conjunto de diversas pistas de emparejamiento de bases.
• La integración de conocimientos termodinámicos y basados en DL ofrece una dirección prometedora para avanzar en la predicción de la estructura del ARN.
• El servidor web accesible facilita una adopción y aplicación más amplias dentro de la comunidad de investigación de ARN.