seq2ribo: RNA配列からリボソーム局在プロファイルを予測するための機械学習とシミュレーションの構造認識統合

科学分野:

• 計算生物学
• 分子生物学
• バイオインフォマティクス

背景:

• リボソームのダイナミクスはタンパク質発現に不可欠ですが、リボソームプロファイリング（Ribo-seq）のような現在の方法はゲノムコンテキストを必要とし、合成生物学への応用を制限します。
• Totally Asymmetric Simple Exclusion Process（TASEP）のような既存のシミュレーションモデルは、コドンの伸長時間のみに焦点を当てることにより、翻訳を単純化しすぎます。

研究 の 目的:

• mRNA配列のみを入力として使用してリボソームAサイト局在を予測するための新しい計算フレームワークseq2riboを開発すること。
• 既存の方法の限界を克服することにより、メッセンジャーRNA（mRNA）ワクチンなどのアプリケーションのためのde novoシーケンス設計を可能にすること。

主な方法:

• 構造認識TASEP（sTASEP）とリファインメントポリッシャーモデルを組み合わせたハイブリッドシミュレーションおよび機械学習アプローチを実装しました。
• sTASEPは、コドンの待機時間と構造的特徴（局所角度、塩基対形成、位置バケット）を組み込んで翻訳をモデル化します。
• ポリッシャーモデルは、sTASEPによってシミュレートされたリボソーム分布を洗練します。

主要な成果:

• seq2riboは、多様な細胞タイプにわたる高忠実度のリボソーム局在予測を達成し、既存のベースラインを上回っています。
• シーケンスのみの方法と比較して、トランスクリプトレベルのエラー（最大35.8％）と構造エラー（43.3％-97.3％）の大幅な削減を示しました。
• 実験的翻訳効率（最大0.795 Spearman）およびタンパク質発現（0.689 Spearman）との高い相関を達成しました。

結論:

• seq2riboは、リボソームのダイナミクスを予測するための強力でシーケンスのみのツールを提供し、合成生物学と合理的なmRNAシーケンス設計を進歩させます。
• このフレームワークは、発現レベルのデータやゲノムコンテキストの必要性を排除し、新規アプリケーションのためのmRNAシーケンスの最適化を容易にします。