Výzkumníci z University of California San Diego pomocí laboratorních testů a metod umělé inteligence popsali sekvenční vzorec takzvaného iniciátoru, který pomáhá zahajovat aktivitu genů. Iniciátor je krátký úsek DNA v místě, kde se začíná přepis genetické informace do molekuly RNA. Ta následně slouží jako předloha pro tvorbu bílkovin nebo dalších funkčních molekul.
Studii vedla doktorandka Torrey E. Rhyne-Carrigg v laboratoři molekulárního biologa Jamese T. Kadonagy. Výsledky vyšly v časopise Genes & Development pod názvem Machine learning analysis of the human initiator region reveals key features of different types of core promoters.
Vědci nejprve pomocí vysokokapacitního sekvenování otestovali přibližně 500 000 různých variant úseku DNA odpovídajícího iniciátoru. U každé varianty měřili, jak účinně podporuje zahájení exprese genu, tedy proces, při němž buňka využívá genetickou informaci. Takto získaná data poté použili k vytvoření modelů strojového učení. Ty hledaly vztahy mezi pořadím čtyř základních stavebních jednotek DNA a výslednou aktivitou úseku.
Modely dokázaly rozpoznat vlastnosti, které odlišují aktivní a neaktivní varianty iniciátoru. Když vědci podle těchto pravidel prohledali lidské geny, našli odpovídající prvek přibližně u 60 procent z nich. Neznamená to, že ostatní geny jsou neaktivní. Zahájení jejich přepisu mohou řídit jiné typy regulačních úseků nebo kombinace několika mechanismů.
Od sekvence k funkci
Význam výsledku spočívá především v tom, že lidský iniciátor nemá jednoduchý a na první pohled zřejmý vzorec. U některých známých regulačních prvků stačí hledat téměř stejné pořadí bází, zatímco u iniciátoru může být důležitá kombinace několika slabších signálů rozložených v celém úseku. Strojové učení zde nesloužilo jako náhrada experimentu, ale jako nástroj, který pomohl zobecnit výsledky laboratorních měření.
Nový model by mohl pomoci při posuzování mutací v regulačních oblastech DNA. Pokud změna jediné báze naruší iniciátor, může se změnit i míra, s jakou se určitý gen přepisuje. Výzkumníci proto očekávají, že podobné modely usnadní předpovídat, které genetické varianty mohou mít funkční dopad. Zatím však nejde o klinický nástroj ani o způsob, jak přímo určit, zda konkrétní mutace způsobuje onemocnění.
Autoři zároveň ukázali možný směr pro další výzkum: data a modely by mohly sloužit k navrhování syntetických promotorů, tedy uměle vytvořených úseků DNA, které řídí zapínání a vypínání genů podle předem zadaných vlastností. K úplnému popsání regulačního „kódu“ lidského genomu ale výsledek nestačí. Aktivita genů závisí také na typu buňky, jejím vývojovém stavu a na působení dalších regulačních prvků.
Zdroj: ScienceDaily
Tento článek byl vytvořen s pomocí umělé inteligence a redakčně zkontrolován.