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。
研究人员与运行中的ShortStop。图片来源：美国索尔克研究所
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。
未来，人工智能或将帮助科研工作者跳过文献检索、粗读的过程，直接找到需要的文献，大幅提升科研工作者的文献阅读效率。 NewsGuard的团队已识别出614个不可靠的人工智能生成的新闻和信息网站，涵盖15种语言。其中一些网站每天会生成数百甚至数 中新网12月20日电 据台湾中天新闻网报道，新党桃园市“立委”参选人游智彬19日揭露，台南“立委”陈亭妃博士论文涉嫌抄 近日，“面向经济主战场 共建科技创新生态”科技创新驱动高质量发展研讨会在京举行。中国科学院相关科研院所数十位专家出 随着人们生活节奏的加快和对便捷食品需求的增加，预制菜产业正呈现强劲的发展势头。2月13日，《中共中央、国务院关于做 上海海事大学近日召开干部大会，宣读市委决定：初北平同志任上海海事大学党委副书记、校长。上海海事大学官网 图 2024年1 。本文链接：AI新工具探索“被忽视的DNA区域”http://www.sushuapos.com/show-11-24181-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 马斯克旗下脑机公司将在英国启动脑芯片临床实验，帮瘫痪患者用意念控制设备
下一篇： OpenAI牵头建欧洲最大数据中心之一