A humán test minden sejtje ugyanazt a genetikai szekvenciát osztja meg, de mindegyik csak bizonyos géneket fejez ki, megkülönböztetve az agysejteket a bőrsejtektől. Ezeket az egyedi génkifejezési mintákat befolyásolja a genetikai anyag háromdimenziós elrendezése, ami meghatározza a gének hozzáférhetőségét. A MIT kutatói egy új módszert fejlesztettek ki ezeknek a 3D-genom struktúráknak az elemzésére generatív mesterséges intelligencia használatával, lehetővé téve, hogy perceken belül ezer struktúrát jósoljanak meg. Ez a fejlődés jelentősen felgyorsítja a folyamatot a hagyományos kísérleti technikákhoz képest. A tanulmány vezető szerzője, Bin Zhang docens, célja a DNS-szekvenciák és a megfelelő 3D-genom struktúrák összekapcsolása. Az új technika versenyez a korszerű kísérleti módszerekkel, ígéretes kutatási lehetőségeket kínálva. A sejtmagok belsejében a DNS és a fehérjék kromatint alkotnak különböző szerveződési szinteken, a 2 méter DNS-t összesűrítve egy magba, amely csupán századmilliom méter széles. Az epigenetikai módosítások, amelyek a DNS-hez kapcsolódnak, befolyásolják a kromatin hajlítását, meghatározva, hogy mely gének fejeződnek ki különböző sejttípusokban vagy különböző időpontokban. Míg az olyan módszerek, mint a Hi-C, az elmúlt két évtizedben fejlődtek ki a kromatin struktúrák meghatározására, ezek kiterjedt időt és energiát igényelnek, gyakran körülbelül egy hétig tartva egyetlen sejt adatainak feldolgozása.

Ennek orvoslására Zhang és csapata olyan modellt hozott létre, amely a mélytanulást és a generatív AI-t használja, lehetővé téve a kromatin struktúrák gyors és pontos előrejelzését DNS-szekvenciákból. Modelljük, a ChromoGen, egy mélytanulási modellt és egy generatív AI modellt tartalmaz, amelyet több mint 11 millió kromatin konformációra képeztek ki. Ez az integrált rendszer megragadja a DNS-szekvenciák és a kromatin struktúrák közötti kapcsolatot, és minden egyes szekvenciához több lehetséges struktúrát generál a DNS-ben rejlő rendetlenség miatt. A ChromoGen lehetővé teszi a gyors előrejelzéseket—míg a meglévő módszereknek hat hónapra van szükségük néhány tucat struktúra eléréséhez, a modell körülbelül 20 perc alatt ezer struktúrát tud létrehozni. A kutatók a modell használatával több mint 2, 000 DNS-szekvencia struktúráját jósolták meg, megerősítve, hogy a generált struktúrák szorosan illeszkedtek a kísérleti adatokhoz. Ezenkívül a modell pontosan működött az eddig használt sejttípusokon kívüli adatokkal is, ami a kromatin szerkezet variációinak elemzéséhez potenciális alkalmazásokat jelez a sejttípusok és egyéni sejtek közötti elemzésben. Ez a képesség elősegítheti a kutatást arra vonatkozóan is, hogy a DNS-mutációk hogyan változtathatják meg a kromatin konformációt, potenciálisan összefüggésbe hozva a betegségmechanizmusokkal. A csapat az általa végzett kutatási adatokat és modellt nyilvánosan elérhetővé tette további vizsgálatokhoz. A tanulmányt az Országos Egészségügyi Intézet finanszírozta.