UTR-Insight:集成深度学习以实现高效的5' UTR发现和设计

科学领域:

• 生物技术是生物技术.
• 计算生物学 计算生物学
• 基因组学就是基因组学.

背景情况:

• 5'非翻译区域 (UTR) 显著影响mRNA稳定性和翻译效率,这是治疗应用的关键因素.
• 目前5' UTR功能的预测模型往往缺乏药物开发中高通量查所需的准确性.

研究的目的:

• 开发一种高度准确的计算模型,UTR-Insight,用于预测5' UTR序列对蛋白质表达的影响.
• 使用UTR-Insight进行大规模的in silico选,以识别具有增强翻译能力的新5'UTR序列.

主要方法:

• 开发UTR-Insight,这是一个混合模型,将预训练的语言模型与CNN-Transformer架构相结合.
• 在随机和内源的5'UTR序列上对UTR-Insight进行培训和验证,以评估其对平均核糖体负载 (MRL) 的预测能力.
• 使用UTR-Insight对来自不同物种 (灵长类动物,小鼠,病毒) 的成千上万个内源5' UTR进行高通量化选.

主要成果:

• UTR-Insight 实现了高精度,解释了随机5' UTR 的89.1%的MRL变化和内源5' UTR 的82.8%,优于现有模型.
• 在基查中,发现了许多内源的5' UTR,与标准的人类α-环球蛋白5' UTR相比,其蛋白质表达增加了高达319%.
• 用UTR-Insight设计的序列表现出比查期间发现的最高性能内源序列更高的蛋白质表达水平.

结论:

• UTR-Insight 是一个强大而准确的工具,用于预测5' UTR 功能和优化蛋白质表达.
• 该研究发现了新的5' UTR序列,具有显著的潜力来增强治疗性蛋白质的生产.
• 这种方法加速了在生物技术和医学中改善基因和蛋白质表达的调控元素的发现.