مقالات

با شیمیدانان AI تولید کننده MIT به سرعت ساختارهای ژنومیک سه بعدی را محاسبه می کنند | اخبار MIT



با شیمیدانان AI تولید کننده MIT به سرعت ساختارهای ژنومیک سه بعدی را محاسبه می کنند | اخبار MIT

هر سلول در بدن شما دارای همان توالی ژنتیکی است ، اما هر سلول فقط زیر مجموعه ای از این ژن ها را بیان می کند. این مدلهای بیان ژن ، خاص سلولهایی که تضمین می کنند سلول مغز با سلول پوست متفاوت است ، تا حدودی با ساختار سه بعدی ماده ژنتیکی که کنترل هر ژن را کنترل می کند ، تعیین می شود.

شیمی دانان MIT قبلاً روش جدیدی برای تعیین این ساختارهای ژنومی سه بعدی با استفاده از هوش مصنوعی تولیدی ارائه داده اند. تکنیک آنها می تواند هزاران ساختار را فقط در عرض چند دقیقه فراهم کند ، که باعث می شود خیلی سریعتر از روشهای آزمایشی موجود برای تجزیه و تحلیل ساختارها باشد.

با استفاده از این تکنیک ، محققان می توانند به راحتی بررسی کنند که چگونه سازمان ژنوم سه بعدی بر مدل ها و عملکردهای بیان ژن سلولهای فردی تأثیر می گذارد.

بن جیان ، استادیار شیمی و مطالعه ارشد می گوید: “هدف ما تلاش برای پیش بینی ساختار سه بعدی ژنوم از دنباله اصلی DNA بود.” “اکنون که ما می توانیم آنچه را که این تکنیک بر مدرن ترین تکنیک های آزمایشی قرار می دهد ، انجام دهیم ، واقعاً می تواند فرصت های جالب بسیاری را باز کند.”

دانش آموزان MIT Greg Shouette و Dzhuhan Lao نویسندگان پیشرو روزنامه هایی هستند که امروز در آن ظاهر می شوند علم در حال پیشرفت استحرف

از دنباله به ساختار

در داخل هسته سلول ، DNA و پروتئین ها مجتمع به نام کروماتین را تشکیل می دهند ، که دارای چندین سطح سازمانی است که به سلول ها اجازه می دهد DNA 2 متر را به یک هسته بکشند ، که تنها یک صدم از یک میلی متر قطر است. نخ های طولانی باد DNA در اطراف پروتئین ها به نام هیستون ها ، که باعث ایجاد ساختار تا حدی مانند مهره های روی یک رشته می شود.

برچسب های شیمیایی ، معروف به اصلاحات اپی ژنتیکی ، می توانند در مکان های خاص به DNA وصل شوند و آن برچسب ها ، که بسته به نوع سلول متفاوت است ، بر تاشو کروماتین و دسترسی ژنهای اطراف تأثیر می گذارد. این تفاوت ها در ترکیب کروماتین به تعیین اینکه کدام ژنها در انواع مختلف سلول یا در زمان های مختلف در یک سلول بیان می شوند ، کمک می کند.

در 20 سال گذشته ، دانشمندان تکنیک های تجربی برای تعیین ساختارهای کروماتیک ایجاد کرده اند. تکنیک گسترده ای که به عنوان HI-C شناخته می شود با اتصال نخ های DNA مجاور در هسته سلول کار می کند. محققان سپس می توانند تعیین کنند که کدام بخش ها در نزدیکی یکدیگر قرار دارند و DNA را به قطعات بسیار کوچک خرد کرده و نشسته اند.

این روش می تواند در جمعیت سلولی بزرگ برای محاسبه ساختار متوسط ​​برای بخشی از کروماتین یا سلولهای منفرد برای تعیین ساختارها در این سلول خاص استفاده شود. با این حال ، HI-C و تکنیک های مشابه بسیار زحمتکش هستند و برای تولید داده ها از یک سلول می توانند حدود یک هفته طول بکشد.

به منظور غلبه بر این محدودیت ها ، جیان و دانش آموزانش مدلی را تهیه کرده اند که از آخرین دستاوردها در AI تولیدی بهره می برد تا روشی سریع و دقیق برای پیش بینی ساختارهای کروماتین در سلول های منفرد ایجاد کند. مدل AI که آنها طراحی کرده اند می تواند به سرعت توالی DNA را تجزیه و تحلیل کرده و ساختارهای کروماتین را که این توالی ها می توانند در یک سلول تولید کنند ، پیش بینی کنند.

جیان می گوید: “آموزش عمیق در شناخت تصاویر بسیار خوب است.” “این به ما اجازه می دهد تا بخش های DNA بسیار طولانی ، هزاران جفت پایه را تجزیه و تحلیل کنیم و بدانیم که اطلاعات مهم در این جفت های DNA رمزگذاری شده است.”

Chromogen ، مدلی که محققان ایجاد کرده اند ، دارای دو مؤلفه است. مؤلفه اول ، الگویی از آموزش عمیق ، علمی برای “خواندن” ژنوم ، اطلاعات رمزگذاری شده در دنباله اصلی DNA و داده های دسترسی کروماتین را تجزیه و تحلیل می کند ، که دومی از آنها به طور گسترده ای در دسترس است و خاص برای نوع سلول است.

مؤلفه دوم یک مدل AI مولد است که ساختار کروماتین دقیق از نظر جسمی را پیش بینی می کند ، که در بیش از 11 میلیون ترکیب کروماتین آموزش دیده است. این داده ها توسط آزمایشات با استفاده از DIP-C (نوع HI-C) از 16 سلول از یک خط B انسانی تولید می شوند.

هنگامی که یکپارچه شد ، اولین مؤلفه مدل تولیدی را از چگونگی تأثیر یک رسانه خاص سلول در شکل گیری ساختارهای مختلف کروماتین آگاه می کند و این طرح به طور موثری اتصالات توالی ساختار را ضبط می کند. برای هر دنباله ، محققان از مدل خود برای تولید بسیاری از ساختارهای ممکن استفاده می کنند. این امر به این دلیل است که DNA یک مولکول بسیار آشفته است ، بنابراین یک دنباله DNA می تواند منجر به ایجاد بسیاری از ترکیبات مختلف شود.

“عامل اصلی پیچیده برای پیش بینی ساختار ژنوم این است که هیچ راه حلی وجود ندارد که ما در آن تلاش کنیم. توزیع ساختارها وجود دارد ، مهم نیست که چه بخشی از ژنوم را به نظر می رسانید. پیش بینی اینکه توزیع آماری بسیار پیچیده و متکبرانه کاری است که انجام آن بسیار چالش برانگیز است. “

تجزیه و تحلیل سریع

پس از آموزش ، این مدل می تواند برای یک برنامه زمانی بسیار سریعتر از HI-C یا سایر تکنیک های آزمایشی پیش بینی کند.

شون می گوید: “در حالی که شما می توانید شش ماه در انجام آزمایشات برای گرفتن چندین ده ساختار در یک نوع سلول صرف کنید ، می توانید هزار ساختار را در یک منطقه خاص با مدل ما در 20 دقیقه فقط در یک پردازنده گرافیکی تولید کنید.”

محققان پس از آموزش مدل خود ، از آن برای تولید پیش بینی های ساختاری برای بیش از 2000 توالی DNA استفاده می کنند و سپس آنها را با ساختارهای تعریف شده آزمایشی برای این توالی ها مقایسه می کنند. آنها دریافتند که ساختارهای تولید شده توسط مدل یکسان یا بسیار شبیه به موارد مشاهده شده در داده های تجربی هستند.

جیان می گوید: “ما معمولاً برای هر سکانس صدها یا هزاران سازه را بررسی می کنیم و این به شما ارائه معقول از تنوع ساختارهایی که ممکن است یک منطقه خاص داشته باشد می دهد.” “اگر آزمایش خود را بارها و بارها تکرار کنید ، در سلولهای مختلف ، به احتمال زیاد با یک ترکیب بسیار متفاوت به پایان خواهید رسید. این همان چیزی است که مدل ما در تلاش است تا پیش بینی کند. “

محققان همچنین دریافتند که این مدل می تواند پیش بینی های دقیقی را برای انواع سلول به غیر از مواردی که او آموزش دیده است ، پیش بینی کند. این نشان می دهد که این مدل می تواند برای تجزیه و تحلیل چگونگی تفاوت ساختارهای کروماتین بین انواع سلول و چگونگی تأثیر این تفاوت ها بر عملکرد آنها مفید باشد. از این مدل همچنین می توان برای مطالعه حالات مختلف کروماتین که می توانند در یک سلول واحد وجود داشته باشند و چگونگی تأثیر این تغییرات بر بیان ژن استفاده شود ، استفاده شود.

یکی دیگر از کاربردهای ممکن ، بررسی چگونگی تغییر جهش در یک دنباله DNA خاص ، ترکیب کروماتین را تغییر می دهد ، که می تواند در مورد چگونگی چنین جهش ها باعث ایجاد بیماری شود.

جیان می گوید: “سوالات جالب بسیاری وجود دارد که فکر می کنم می توانیم این نوع مدل را اداره کنیم.”

محققان تمام داده های خود و مدل موجود را در اختیار دیگران قرار داده اند که می خواهند از آن استفاده کنند.

این نظرسنجی توسط مؤسسات ملی بهداشت تأمین شد.


Source link

نوشته های مشابه

دکمه بازگشت به بالا