(sci)Berloga: предсказание свойств РНК важно для разработки новых лекарств
Российские ученые под руководством ведущего специалиста в области системной биологии, вычислительной генетики и биоинформатики Всеволода Макеева заняли первое место в научном конкурсе по предсказанию свойств РНК, проводившемся Стэнфордским университетом. Об этом сообщается в телеграм-канале о науке и технологиях (sci)Berloga.
Отмечается, что в конкурсе Stanford Ribonanza RNA Folding на платформе Kaggle Стэнфордского университета участвовали более 700 команд из разных стран мира. Российские ученые под руководством Всеволода Макеева выиграли в конкурсе, значительно опередив остальные научные коллективы и получив денежный приз в размере 40 тысяч долларов.
Точное предсказание структуры РНК важно для выявления уникальных РНК мишеней для лекарств и разработки новых препаратов для РНК-терапии. Это новое направление медицины, которое предполагает использование в качестве терапевтического средства различные молекулы РНК. Известно, что макромолекулы РНК содержатся в клетках всех живых организмов и играют важную роль в кодировании, прочтении, регуляции и экспрессии генов.
Для предсказания структуры РНК в рамках конкурса российские ученые использовали трансформерную encoder-only архитектуру. Это архитектура (способ организации) нейронных сетей, которая подходит для обработки последовательностей различных данных и классификации текстов по категориям. Архитектура encoder-only предполагает ввод определенных данных и вывод готовых "вложений".
Повысить точность предсказания структуры РНК помог отказ от абсолютного позиционного кодирования в пользу относительного. Позиционное кодирование позволяет модели получить информацию о порядке элементов в последовательности путем прибавления специальных меток к входным данным.
В ходе дальнейшего исследования ученые смогли улучшить качество модели, использовав идеи другой архитектуры - SqueezeFormer. Она задействуется в приложениях искусственного интеллекта и при построении алгоритмов машинного обучения. Отмечается, что финальная модель предсказания структуры РНК состояла из 28 одиночных.
Более точное предсказание структуры РНК с помощью алгоритмов программирования может помочь совершить революцию в науке и медицине. Оно имеет огромное значение для создания новых методов терапии и понимания причин генетических заболеваний.