mRNA新冠疫苗在抗擊COVID-19過程中發(fā)揮了非常關(guān)鍵的作用。由于其可快速生產(chǎn)的能力以及在多項臨床研究中有前景的結(jié)果，基于mRNA技術(shù)的疫苗和治療方法，正在獲得越來越多的關(guān)注。

(資料圖)

然而，由于mRNA的熱不穩(wěn)定性，這使它們?nèi)菀资艿交瘜W(xué)降解的影響，這也是基于mRNA的疫苗或療法面臨的一大挑戰(zhàn)。mRNA疫苗的生產(chǎn)、儲存和運輸都需要嚴(yán)格的條件。為了使mRNA疫苗能夠更廣泛地獲取，了解和提高mRNA的穩(wěn)定性至關(guān)重要。

近日，德克薩斯農(nóng)工大學(xué)Sun Qing團隊在Briefings in Bioinformatics期刊發(fā)表了題為：RNAdegformer: accurate prediction of mRNA degradation at nucleotide resolution with deep learning的研究論文。

研究團隊使用深度學(xué)習(xí)（Deep Learning）技術(shù)創(chuàng)建了一個有效且可解釋的模型架構(gòu)——RNAdegformer，該技術(shù)可以比以前的最佳方法（如Degscore模型、RNA折疊算法和其他機器學(xué)習(xí)模型）更準(zhǔn)確地預(yù)測RNA降解。

Sun Qing教授表示，mRNA固有的熱不穩(wěn)定性帶來的化學(xué)降解反應(yīng)，阻礙了mRNA疫苗在全球范圍內(nèi)的分發(fā)，因此，我們這項研究試圖理解和預(yù)測mRNA降解。

為了解決mRNA降解問題，研究團隊轉(zhuǎn)向了深度學(xué)習(xí)技術(shù)，他們開發(fā)了RNAdegformer，這是一種基于深度學(xué)習(xí)（Deep Learning）的模型，由人工神經(jīng)網(wǎng)絡(luò)驅(qū)動，能夠提取數(shù)據(jù)并使用這些見解進行預(yù)測。

RNAdegformer利用RNA二級結(jié)構(gòu)特征和堿基配對概率的生物物理特征，利用自注意力和卷積處理RNA序列，這兩種深度學(xué)習(xí)技術(shù)已被證明在計算機視覺和自然語言處理領(lǐng)域占據(jù)主導(dǎo)地位。

RNAdegformer在預(yù)測核苷酸水平的降解特性方面優(yōu)于之前的最佳方法，RNAdegformer可以預(yù)測新冠mRNA疫苗中的每個核苷酸。與之前的最佳方法相比，RNAdegformer預(yù)測與RNA體外半衰期的相關(guān)性也有所改善。

RNAdegformer結(jié)合了卷積和自注意力來預(yù)測RNA降解

此外，該研究還顯示了自注意力圖像的直接可視化如何有助于明智的決策。注意力圖顯示了模型如何使用輸入信息“思考”，這有助于基于模型預(yù)測的知情決策。此外，這一模型還揭示了決定mRNA降解速率的基本特征。該團隊與斯坦福大學(xué)生物化學(xué)副教授Rhiju Das合作，他的高質(zhì)量mRNA降解數(shù)據(jù)是這項研究的起點。

Sun Qing教授表示，通過這項研究，希望能夠使用我們的模型設(shè)計出更穩(wěn)定的mRNA疫苗，使mRNA療法更加公平和更廣泛地使用。

關(guān)鍵詞：