深度學(xué)習(xí)破解DNA數(shù)據(jù)復(fù)制難題

DNA作為一種數(shù)據(jù)存儲(chǔ)介質(zhì)，只有在讀取、復(fù)制和發(fā)送到其他地方時(shí)才有用。從細(xì)胞核中傳遞遺傳信息的介質(zhì)是RNA（https://www.genome.gov/genetics-glossary/RNA-Ribonucleic-Acid）——從DNA轉(zhuǎn)錄而來(lái)，它本身永遠(yuǎn)不會(huì)離開(kāi)細(xì)胞核?，F(xiàn)在，伊利諾伊州埃文斯頓西北大學(xué)的研究人員利用深度學(xué)習(xí)，解開(kāi)了RNA轉(zhuǎn)錄過(guò)程中的一個(gè)復(fù)雜部分：細(xì)胞如何知道何時(shí)停止復(fù)制。

在RNA轉(zhuǎn)錄中，知道何時(shí)停止是至關(guān)重要的。編碼成RNA的信息在整個(gè)細(xì)胞中用于合成蛋白質(zhì)和調(diào)節(jié)廣泛的代謝過(guò)程。要想將正確的信息傳遞給預(yù)期的目標(biāo)，需要這些RNA鏈盡可能多地表達(dá)——僅此而已。

“This is a very useful prescreening tool for investigating genetic variants in a high-throughput manner.”
—EMILY KUNCE STROUP, NORTHWESTERN UNIVERSITY

停止RNA復(fù)制過(guò)程——稱為聚腺苷酸化（polyA，https://en.wikipedia.org/wiki/Polyadenylation），是指它連接在切斷的RNA鏈末端的一系列腺嘌呤分子——涉及一系列相互作用從未被完全理解的蛋白質(zhì)。

因此，為了幫助解開(kāi)polyA，西北大學(xué)的研究人員Zhe Ji和Emily Kunce Stroup開(kāi)發(fā)了一個(gè)機(jī)器學(xué)習(xí)模型，可以定位和識(shí)別polyA位點(diǎn)。它的工作原理是將經(jīng)過(guò)訓(xùn)練以匹配遺傳密碼中重要序列的卷積神經(jīng)網(wǎng)絡(luò)（CNNs，https://spectrum.ieee.org/tag/convolutional-neural-networks）與經(jīng)過(guò)訓(xùn)練以研究CNN輸出的遞歸神經(jīng)網(wǎng)絡(luò)（RNN，https://spectrum.ieee.org/the-neural-network-that-remembers）配對(duì)。

雖然之前的模型采用了類似的方法，同時(shí)使用了CNNs和RNN，但這些研究人員隨后將CNN/RNN模型的輸出輸入到另外兩個(gè)經(jīng)過(guò)訓(xùn)練的深度學(xué)習(xí)模型中，以定位和識(shí)別基因組中的polyA位點(diǎn)。

另外兩個(gè)模型似乎起到了幫助作用。Stroup說(shuō)：“擁有這些串聯(lián)輸出是我們工作中真正獨(dú)特的東西。讓模型向外延伸到兩個(gè)獨(dú)立的輸出分支，然后我們將其組合起來(lái)以高分辨率識(shí)別站點(diǎn)，這是我們與現(xiàn)有工作的區(qū)別。”

從他們的模型中，研究人員了解了導(dǎo)致polyA進(jìn)展順利或不佳的幾個(gè)重要方面。模型的CNN部分學(xué)習(xí)了已知能吸引控制polyA的蛋白質(zhì)的DNA中的遺傳模式，而模型的RNN部分揭示了可靠地切斷轉(zhuǎn)錄需要在這些模式之間仔細(xì)間隔。由于該模型的核苷酸分辨率，這些研究人員可以得出如此精確的結(jié)論。Ji說(shuō)：“我們的模型能夠準(zhǔn)確地捕捉到這一點(diǎn)，這令人震驚。”

該團(tuán)隊(duì)表示，今后他們計(jì)劃將他們的模型和類似技術(shù)應(yīng)用于識(shí)別可能導(dǎo)致疾病的關(guān)鍵基因突變的研究，然后從中開(kāi)發(fā)出一種可能的更有針對(duì)性的治療藥物。Stroup說(shuō)：“這是一種非常有用的預(yù)篩選工具，可以以高通量的方式研究基因變異。這有望幫助減少候選突變的數(shù)量，使這一過(guò)程更加有效。”