seq2ribo: Integración de aprendizaje automático y simulación consciente de la estructura para predecir perfiles de...

Área de la Ciencia:

• Biología Computacional
• Biología Molecular
• Bioinformática

Sus antecedentes:

• La dinámica de los ribosomas es crucial para la expresión de proteínas, pero los métodos actuales como el perfilado de ribosomas (Ribo-seq) requieren contexto genómico, lo que limita las aplicaciones en biología sintética.
• Los modelos de simulación existentes, como el Proceso de Exclusión Simple Totalmente Asimétrico (TASEP), simplifican en exceso la traducción al centrarse solo en los tiempos de elongación del codón.

Objetivo del estudio:

• Desarrollar un marco computacional novedoso, seq2ribo, para predecir ubicaciones del sitio A del ribosoma utilizando solo la secuencia de ARNm como entrada.
• Permitir el diseño de secuencias de novo para aplicaciones como las vacunas de ARN mensajero (ARNm) superando las limitaciones de los métodos existentes.

Principales métodos:

• Implementó un enfoque híbrido de simulación y aprendizaje automático que combina un TASEP consciente de la estructura (sTASEP) con un modelo refinador pulidor.
• sTASEP incorpora tiempos de espera de codones y características estructurales (ángulos locales, apareamiento de bases, cubos posicionales) para modelar la traducción.
• El modelo pulidor refina las distribuciones de ribosomas simuladas por sTASEP.

Principales resultados:

• seq2ribo logra predicciones de alta fidelidad de ubicaciones de ribosomas en diversos tipos de células, superando a las líneas de base existentes.
• Demostró reducciones significativas en el error a nivel de transcripción (hasta 35,8%) y errores estructurales (43,3%-97,3%) en comparación con métodos que solo utilizan secuencias.
• Logró altas correlaciones con la eficiencia de traducción experimental (hasta 0,795 Spearman) y la expresión de proteínas (0,689 Spearman).

Conclusiones:

• seq2ribo ofrece una herramienta potente, solo basada en secuencias, para predecir la dinámica de los ribosomas, avanzando en la biología sintética y el diseño racional de secuencias de ARNm.
• El marco elimina la necesidad de datos de nivel de expresión o contexto genómico, lo que facilita la optimización de secuencias de ARNm para aplicaciones novedosas.