AI新工具探索“被忽视的DNA区域”

内容摘要美国索尔克研究所开发出一种名为ShortStop的机器学习框架,用于探索以往“被忽视的DNA区域”,寻找在疾病中发挥关键作用的微蛋白。相关研究发表在最新一期《BMC方法学》上。?这些微蛋白是蛋白质家族中的小型成员,其组成氨基酸通常少于150

联系电话:400-962-3929

美国索尔克研究所开发出一种名为ShortStop的机器学习框架,用于探索以往“被忽视的DNA区域”,寻找在疾病中发挥关键作用的微蛋白。相关研究发表在最新一期《BMC方法学》上。

?

这些微蛋白是蛋白质家族中的小型成员,其组成氨基酸通常少于150个,因此难以通过传统蛋白质分析方法检测。长期以来,它们隐藏在基因组中被视为“非编码”或“垃圾DNA”的99%区域中,从未被充分研究。然而,越来越多证据表明,这些区域并非无用,其所编码的微蛋白在调节健康与疾病过程中扮演重要角色。

传统研究方法主要关注编码大型蛋白质的DNA区域,而忽略了可能包含微蛋白编码指令的小开放阅读框(smORF)。尽管已有实验方法识别出了数千个smORF,但这些方法成本高、耗时长,且无法有效区分具有生物学功能的微蛋白与无功能的序列,严重限制了相关研究的进展。

ShortStop的出现改变了这一局面。该AI工具通过机器学习训练,不仅能够从大型基因数据库中识别出潜在的smORF,还能预测哪些微蛋白最有可能具备生物学相关性,从而显著提高研究效率。其核心创新在于采用双类别排序系统:通过将真实发现的smORF与计算机生成的随机“诱饵”序列进行比较,ShortStop能够快速评估新发现的smORF是否可能具有功能性,从而优先筛选出值得深入研究的候选者。

团队将ShortStop应用于已发布的smORF数据集后,发现约8%的序列可能编码功能性微蛋白,并已将其列为优先验证目标。该工具还能识别出以往方法遗漏的微蛋白,包括在人体细胞和组织中实际表达的种类。尤为重要的是,它可直接利用广泛存在的RNA测序数据,这意味着许多实验室无需额外实验即可开展微蛋白研究。

在一项应用实例中,团队使用ShortStop分析了肺癌相关的遗传数据,从肿瘤与正常肺组织的对比中识别出210种全新的微蛋白候选者。其中一种微蛋白在肿瘤组织中显著升高,显示出作为肺癌生物标志物或治疗靶点的巨大潜力,验证了该工具在疾病研究中的实用性。

 
举报 收藏 打赏 评论 0
今日推荐
浙ICP备19001410号-1

免责声明

本网站(以下简称“本站”)提供的内容来源于互联网收集或转载,仅供用户参考,不代表本站立场。本站不对内容的准确性、真实性或合法性承担责任。我们致力于保护知识产权,尊重所有合法权益,但由于互联网内容的开放性,本站无法核实所有资料,请用户自行判断其可靠性。

如您认为本站内容侵犯您的合法权益,请通过电子邮件与我们联系:675867094@qq.com。请提供相关证明材料,以便核实处理。收到投诉后,我们将尽快审查并在必要时采取适当措施(包括但不限于删除侵权内容)。本站内容均为互联网整理汇编,观点仅供参考,本站不承担任何责任。请谨慎决策,如发现涉嫌侵权或违法内容,请及时联系我们,核实后本站将立即处理。感谢您的理解与配合。

合作联系方式

如有合作或其他相关事宜,欢迎通过以下方式与我们联系: