Κάθε κύτταρο στο ανθρώπινο σώμα μοιράζεται την ίδια γενετική ακολουθία, αλλά το καθένα εκφράζει μόνο συγκεκριμένα γονίδια, διαφοροποιώντας ένα εγκεφαλικό κύτταρο από ένα δερματικό κύτταρο. Αυτά τα μοναδικά μοτίβα γονιδιακής έκφρασης επηρεάζονται από την τριδιάστατη διάταξη του γενετικού υλικού, η οποία καθορίζει την προσβασιμότητα των γονιδίων. Ερευνητές στο MIT έχουν αναπτύξει μια νέα μέθοδο για να αναλύσουν αυτές τις 3D δομές του γονιδιώματος χρησιμοποιώντας γενετική τεχνητή νοημοσύνη, επιτρέποντάς τους να προβλέπουν χιλιάδες δομές μέσα σε λίγα λεπτά. Αυτή η πρόοδος επιταχύνει σημαντικά τη διαδικασία σε σύγκριση με τις παραδοσιακές πειραματικές τεχνικές. Ο κύριος συγγραφέας της μελέτης, αναπληρωτής καθηγητής Bin Zhang, στοχεύει να συσχετίσει τις ακολουθίες DNA με τις αντίστοιχες 3D δομές γονιδιώματος. Η νέα τεχνική ανταγωνίζεται τις κορυφαίες πειραματικές μεθόδους, προσφέροντας υποσχόμενες ευκαιρίες έρευνας. Μέσα στους πυρήνες των κυττάρων, το DNA και οι πρωτεΐνες σχηματίζουν χρωματίνη σε διάφορα οργανωτικά επίπεδα, συμπιέζοντας 2 μέτρα DNA σε έναν πυρήνα μόλις ενός εκατομμυριοστού του χιλιοστού πλάτους. Οι επιγενετικές τροποποιήσεις που συνδέονται με το DNA επηρεάζουν την αναδίπλωση της χρωματίνης, καθορίζοντας ποια γονίδια εκφράζονται σε διαφορετικούς τύπους κυττάρων ή σε διαφορετικές χρονικές στιγμές. Ενώ μέθοδοι όπως η Hi-C έχουν αναπτυχθεί τα τελευταία είκοσι χρόνια για να προσδιορίσουν τις δομές της χρωματίνης, απαιτούν εκτενή χρόνο και προσπάθεια, συχνά παίρνοντας περίπου μια εβδομάδα για δεδομένα από ένα μόνο κελί.

Για να αντιμετωπίσουν αυτό το πρόβλημα, ο Zhang και η ομάδα του δημιούργησαν ένα μοντέλο που εκμεταλλεύεται την βαθιά εκμάθηση και την γενετική AI, επιτρέποντας γρήγορες και ακριβείς προβλέψεις των δομών της χρωματίνης από ακολουθίες DNA. Το μοντέλο τους, ChromoGen, περιλαμβάνει ένα μοντέλο βαθιάς εκμάθησης που αναλύει πληροφορίες DNA και ένα μοντέλο γενετικής AI εκπαιδευμένο σε πάνω από 11 εκατομμύρια διαμορφώσεις χρωματίνης. Αυτό το ενσωματωμένο σύστημα συλλαμβάνει τη σχέση μεταξύ ακολουθιών DNA και δομών χρωματίνης, δημιουργώντας πολλές πιθανές δομές για κάθε ακολουθία λόγω της εγγενής ανωμαλίας στο DNA. Το ChromoGen επιτρέπει γρήγορες προβλέψεις—ενώ οι υπάρχουσες μέθοδοι μπορεί να χρειαστούν έξι μήνες για να επιτύχουν μερικές δεκάδες δομές, το μοντέλο μπορεί να παράγει χίλιες δομές σε περίπου 20 λεπτά. Μετά από την εκπαίδευση, οι ερευνητές χρησιμοποίησαν το μοντέλο για να προβλέψουν δομές για πάνω από 2. 000 ακολουθίες DNA, επιβεβαιώνοντας ότι οι παραγόμενες δομές ταίριαζαν στενά με πειραματικά δεδομένα. Επιπλέον, το μοντέλο έδειξε ακρίβεια με δεδομένα από κυτταρικούς τύπους εκτός του εκπαιδευτικού του συνόλου, υποδεικνύοντας πιθανές εφαρμογές για την ανάλυση των παραλλαγών της δομής της χρωματίνης σε διάφορους τύπους κυττάρων και εντός μεμονωμένων κυττάρων. Αυτή η ικανότητα θα μπορούσε επίσης να διευκολύνει την έρευνα στο πώς οι μεταλλάξεις στο DNA μπορεί να αλλάξουν την διαμόρφωση της χρωματίνης, ενδεχομένως συνδέοντάς την με μηχανισμούς ασθενειών. Η ομάδα έχει δημοσιοποιήσει τα δεδομένα και το μοντέλο της για περαιτέρω εξερεύνηση. Η μελέτη χρηματοδοτήθηκε από τα Εθνικά Ινστιτούτα Υγείας.