Un software rivoluzionario è stato creato dai ricercatori dell’Università nazionale di Singapore e dell’Agenzia per la scienza, la tecnologia e la ricerca. Questo programma ha un alto grado di precisione nel prevedere i cambiamenti chimici nelle molecole di RNA. L’approccio del team, noto come m6Anet, è stato reso pubblico nella stimata rivista accademica Nature Methods.
Le molecole di RNA contengono molti composti chimici che regolano il loro funzionamento. Tuttavia, i metodi comuni utilizzati dagli scienziati per leggere l’RNA in genere non riescono a rilevare queste modifiche dell’RNA. La modifica dell’RNA più comune è N6-metiladenosina (m6A). Trovare le modifiche dell’RNA ha storicamente richiesto molto tempo e si è rivelato difficile perché sono correlate a malattie umane come il cancro.
Utilizzando il sequenziamento diretto dell’RNA Nanopore, i ricercatori sono stati in grado di superare questi vincoli. Questo metodo all’avanguardia sequenzia le molecole di RNA non modificate insieme ai loro cambiamenti. Hanno prodotto m6Anet. Sfruttando una tecnica di apprendimento a istanze multiple (MIL) e dati di sequenziamento diretto dell’RNA Nanopore, il software addestra le reti neurali profonde per rilevare accuratamente m6A.
A ogni esempio nel machine learning tradizionale viene assegnata un’etichetta. Tuttavia, trovare m6A richiede un enorme volume di dati con etichette poco chiare. Per risolvere questo problema, il team ha applicato il metodo MIL. Il problema MIL comporta avere un album fotografico di dimensioni considerevoli con una foto di un gatto sepolta tra milioni di altre immagini. Quindi, senza etichette da utilizzare come guida, prova a identificare quella specifica immagine.
Gli scienziati hanno dimostrato che m6Anet può prevedere la presenza di m6A da un singolo campione tra le specie con elevata precisione a una risoluzione di singola molecola. La capacità di riconoscere le alterazioni dell’RNA in vari campioni biologici può essere utilizzata per comprendere il loro significato in una varietà di applicazioni, come la ricerca sul cancro o la genomica delle piante. Questo è secondo il Dr. Jonathan Goke, Group Leader del Laboratorio di Trascrittomica Computazionale presso il GIS di ASTAR.
Il modello AI ha trovato solo dati da un campione umano. Anche i campioni di specie che il modello non ha mai incontrato prima possono essere utilizzati per identificare con precisione le modifiche dell’RNA. “Il metodo MIL fornisce una risposta sofisticata a questo difficile problema. Una ricompensa per il nostro lavoro è vedere il programma adottato dalla comunità scientifica così rapidamente!” ha affermato il co-leader dello studio Professore Associato Alexandre Thiery, Dipartimento di Statistica e Scienza dei Dati, Facoltà di Scienze della NUS.
La comunità scientifica può ora accedere e utilizzare il software ei risultati dello studio. L’annoso problema dell’identificazione precisa ed efficace delle alterazioni dell’RNA è affrontato da m6Anet, secondo il professor Patrick Tan, direttore esecutivo del GIS di ASTAR. I ricercatori in diversi settori possono portare avanti il loro lavoro con questa tecnologia innovativa. Saranno anche in grado di comprendere la funzione delle modificazioni dell’RNA nella genomica delle piante e nelle malattie umane come il cancro.