Riboswitches: Pequeños interruptores de ARN con gran impacto
Descubre cómo los riboswitches controlan la producción de proteínas en las células y sus posibles implicaciones para la salud.
William S. Raymond, Jacob DeRoo, Brian Munsky
― 7 minilectura
Tabla de contenidos
- ¿Cómo Funciona un Riboswitch?
- ¿Dónde Se Encuentran los Riboswitches?
- ¿Por qué Son Importantes los Riboswitches?
- ¿Cómo Están Encontrando los Científicos los Riboswitches?
- El Papel del Aprendizaje Automático en el Descubrimiento de Riboswitches
- Construyendo el Modelo
- Los Resultados
- ¿Qué Hace Especial a Estos Candidatos a Riboswitches?
- Ontología Genética: ¿Qué Significan los Hallazgos?
- Implicaciones Potenciales para la Salud
- Conclusión
- Próximos Pasos en la Investigación de Riboswitches
- Fuente original
- Enlaces de referencia
Un riboswitch es una parte especial del ARN que actúa como un interruptor para controlar ciertos procesos en una célula. Piénsalo como un interruptor de luz que se puede encender o apagar dependiendo de si una molécula pequeña específica está presente. Cuando esta molécula pequeña se une al riboswitch, puede cambiar la forma del ARN. Este cambio puede revelar o esconder partes del ARN que son importantes para hacer Proteínas. El riboswitch puede así controlar cuánto se produce de una proteína, lo que a su vez afecta varias funciones dentro de la célula.
¿Cómo Funciona un Riboswitch?
Los Riboswitches tienen dos formas principales. Cuando la molécula pequeña no está presente, el riboswitch puede estar en una forma que permite a la célula producir una cierta proteína. Pero cuando la molécula pequeña aparece y se une al riboswitch, cambia a otra forma. Esta nueva forma puede detener la producción de proteínas o permitir que siga, dependiendo de la situación. Es como cambiar entre jugar un juego o echarse una siesta: lo que haces depende de las circunstancias.
¿Dónde Se Encuentran los Riboswitches?
Los riboswitches se encuentran mayormente en bacterias (procariontes), donde pueden controlar alrededor de 40 moléculas pequeñas diferentes. Sin embargo, en organismos más complejos como plantas y animales (eucariotas), los riboswitches no son tan comunes. Los pocos que se han encontrado en plantas generalmente responden a una molécula llamada tiamina pirofosfato (TPP). En humanos, se han estudiado menos, lo que lleva a los científicos a preguntarse si hay riboswitches ocultos esperando ser descubiertos.
¿Por qué Son Importantes los Riboswitches?
Los riboswitches pueden tener grandes implicaciones para la salud y las enfermedades. Si un riboswitch no funciona correctamente, podría llevar a que se produzca demasiada o muy poca proteína. Esto puede contribuir a enfermedades, ya sea produciendo una cantidad dañina de una proteína o no produciendo suficiente de una necesaria. Así que entender los riboswitches podría ayudar a los científicos a aprender más sobre ciertas enfermedades y posiblemente encontrar nuevos tratamientos.
¿Cómo Están Encontrando los Científicos los Riboswitches?
La investigación sobre los riboswitches ha estado en curso desde que se descubrieron en 2002. Los científicos han desarrollado varios métodos para identificarlos, incluidos programas informáticos que pueden predecir dónde pueden estar localizados los riboswitches en secuencias de ARN. Estos programas a menudo utilizan técnicas avanzadas, incluyendo Aprendizaje automático, para analizar grandes cantidades de información genética.
El Papel del Aprendizaje Automático en el Descubrimiento de Riboswitches
Recientemente, los científicos han comenzado a usar aprendizaje automático para ayudar a encontrar riboswitches. El aprendizaje automático utiliza algoritmos para aprender de los datos y hacer predicciones sobre nuevos datos. En este caso, los investigadores entrenaron modelos informáticos usando secuencias de riboswitches conocidas para ayudar a identificar posibles nuevos riboswitches en secuencias de ARN humano.
Reunieron un gran número de secuencias de riboswitches y secuencias de ARN humano para crear un modelo que pudiera clasificar nuevas secuencias como probables o improbables de ser riboswitches. Luego, se probó el modelo para ver qué tan bien podía predecir riboswitches que no había visto antes.
Construyendo el Modelo
Los científicos recopilaron un gran grupo de secuencias de riboswitches de varias bases de datos, limpiando y organizando los datos para que fueran útiles para el entrenamiento. Luego, extrajeron muchas características de las secuencias de ARN, como su longitud, estructura y otras características.
A continuación, crearon varios clasificadores de aprendizaje automático: piensa en ellos como detectives digitales entrenados para reconocer riboswitches basándose en ejemplos previos. Validaron estos clasificadores probándolos en secuencias que habían sido cuidadosamente seleccionadas para asegurar que no se habían utilizado en el entrenamiento.
Los Resultados
Después de ejecutar sus modelos, los investigadores encontraron varias secuencias en el ARN humano que parecían prometedoras como posibles riboswitches. Identificaron 436 secuencias en las que todos los clasificadores coincidían, sugiriendo que eran candidatos probables para tener características similares a riboswitches.
Además, notaron que un grupo más grande de 1,533 secuencias también mostraba propiedades de riboswitches, aunque estas fueron identificadas solo por un subconjunto de clasificadores. Esta información le dio a los científicos un buen punto de partida para futuras investigaciones experimentales.
¿Qué Hace Especial a Estos Candidatos a Riboswitches?
Las secuencias identificadas compartían muchas características con los riboswitches conocidos. Los investigadores echaron un vistazo más de cerca a estos hallazgos para evaluar sus características, e incluso configuraron una exhibición en línea para comparar estos posibles riboswitches con secuencias conocidas. Este enfoque no solo ayuda a organizar la información, sino que también facilita a otros investigadores explorar estos hallazgos más a fondo.
Ontología Genética: ¿Qué Significan los Hallazgos?
Los investigadores también realizaron un análisis de Ontología Genética (GO) sobre los hallazgos de 5' UTR para entender qué funciones podrían impactar estos posibles riboswitches. Descubrieron que muchas de las proteínas relacionadas con los hallazgos estaban involucradas en procesos esenciales como la regulación de genes, el procesamiento de mRNA e incluso la detección de señales químicas. Esto sugiere que estos riboswitches podrían jugar papeles importantes en la respuesta a moléculas pequeñas dentro de la célula.
Implicaciones Potenciales para la Salud
La identificación de estas secuencias similares a riboswitches establece el escenario para un trabajo futuro importante. Si alguna de las secuencias descubiertas se comporta realmente como riboswitches, podrían ofrecer información sobre cómo las células se regulan bajo diferentes condiciones. Por ejemplo, los riboswitches podrían ser actores clave en enfermedades donde la regulación normal de las proteínas está alterada.
Conclusión
El estudio de los riboswitches presenta una oportunidad emocionante para que los científicos aprendan cómo las células controlan varios procesos. El uso de aprendizaje automático y herramientas computacionales ha demostrado ser una forma innovadora de filtrar grandes cantidades de datos genéticos, revelando nuevos candidatos para riboswitches. Aunque queda mucho trabajo por hacer, como validar estos hallazgos a través de experimentos, la tecnología y los métodos que se están utilizando están allanando el camino para una comprensión más profunda de la genética y la función celular. ¿Quién hubiera pensado que pequeños nucleótidos pudieran tener tanto potencial?
Próximos Pasos en la Investigación de Riboswitches
A medida que los investigadores continúan investigando los riboswitches, buscan realizar más experimentos para validar las predicciones computacionales. Al estudiar estos riboswitches, los científicos esperan descubrir sus roles en varios procesos biológicos y enfermedades.
Además, la investigación futura probablemente se extenderá a otras áreas de la biología del ARN, incluida la exploración de riboswitches en diferentes organismos y cómo pueden manipularse con fines terapéuticos.
Con los avances tecnológicos en curso y una creciente apreciación por la complejidad del ARN, el mundo de los riboswitches seguramente ofrecerá aún más sorpresas. ¡Mantente atento; quién sabe qué otros secretos tiene este pequeño mundo del ARN reservado!
Título: Identification of potential riboswitch elements in Homo Sapiens mRNA 5'UTR sequences using Positive-Unlabeled Machine learning
Resumen: Riboswitches are a class of noncoding RNA structures that interact with target ligands to cause a conformational change that can then execute some regulatory purpose within the cell. Riboswitches are ubiquitous and well characterized in bacteria and prokaryotes, with additional examples also being found in fungi, plants, and yeast. To date, no purely RNA-small molecule riboswitch has been discovered in Homo Sapiens. Several analogous riboswitch-like mechanisms have been described within the H. Sapiens translatome within the past decade, prompting the question: Is there a H. Sapiens riboswitch dependent on only small molecule ligands? In this work, we set out to train positive unlabeled machine learning classifiers on known riboswitch sequences and apply the classifiers to H. Sapiens mRNA 5UTR sequences found in the 5UTR database, UTRdb, in the hope of identifying a set of mRNAs to investigate for riboswitch functionality. 67,683 riboswitch sequences were obtained from RNAcentral and sorted for ligand type and used as positive examples and 48,031 5UTR sequences were used as unlabeled, unknown examples. Positive examples were sorted by ligand, and 20 positive-unlabeled classifiers were trained on sequence and secondary structure features while withholding one or two ligand classes. Cross validation was then performed on the withheld ligand sets to obtain a validation accuracy range of 75%-99%. The joint sets of 5UTRs identified as potential riboswitches by the 20 classifiers were then analyzed. 15333 sequences were identified as a riboswitch by one or more classifier(s) and 436 of the H. Sapiens 5UTRs were labeled as harboring potential riboswitch elements by all 20 classifiers. These 436 sequences were mapped back to the most similar riboswitches within the positive data and examined. An online database of identified and ranked 5UTRs, their features, and their most similar matches to known riboswitches, is provided to guide future experimental efforts to identify H. Sapiens riboswitches. Author summaryRiboswitches are an important regulatory element mostly found in bacteria that have not been described in Homo Sapiens. However, if human riboswitches exist and if they can be found, they could have vast implications on human disease. We apply positive-unlabeled machine learning to on known riboswitch sequences to search H. Sapiens 5UTR sequences for potential riboswitches. We analyze our ensemble predictions for likely H. Sapiens 5UTR riboswitches using GO analysis to determine their potential functional roles, and we rank and display our predicted sequences next to the most similar known riboswitches. We expect these analyses to be helpful to the scientific community in planning future experiments for laboratory discovery and validation. 0.1 Graphical Abstract O_FIG O_LINKSMALLFIG WIDTH=200 HEIGHT=169 SRC="FIGDIR/small/568398v2_ufig1.gif" ALT="Figure 1"> View larger version (55K): [email protected]@10f085corg.highwire.dtl.DTLVardef@1edfcaborg.highwire.dtl.DTLVardef@1674ce0_HPS_FORMAT_FIGEXP M_FIG C_FIG
Autores: William S. Raymond, Jacob DeRoo, Brian Munsky
Última actualización: 2024-12-06 00:00:00
Idioma: English
Fuente URL: https://www.biorxiv.org/content/10.1101/2023.11.23.568398
Fuente PDF: https://www.biorxiv.org/content/10.1101/2023.11.23.568398.full.pdf
Licencia: https://creativecommons.org/licenses/by/4.0/
Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.
Gracias a biorxiv por el uso de su interoperabilidad de acceso abierto.