Simple Science

最先端の科学をわかりやすく解説

# 生物学 # 生物情報学

リボスイッチ:小さなRNAスイッチが大きな影響を与える

リボスイッチが細胞内でタンパク質の生産をどうコントロールしてるか、そしてその健康への影響について知ってみよう。

William S. Raymond, Jacob DeRoo, Brian Munsky

― 1 分で読む


リボスイッチ:RNAの隠れ リボスイッチ:RNAの隠れ たコントロール よ。 と病気において果たす役割を明らかにしてる リボスイッチは、RNAがタンパク質の調節
目次

リボスイッチは、RNAの特別な部分で、細胞内のいくつかのプロセスを制御するスイッチみたいな役割を果たすんだ。特定の小分子が存在するかどうかで、オンオフできるライトスイッチみたいな感じ。小分子がリボスイッチに結合すると、RNAの形が変わるんだ。この変化によって、タンパク質を作るのに重要なRNAの部分が見えたり隠れたりする。だから、リボスイッチはどれだけタンパク質が作られるかを制御して、細胞内のいろんな機能に影響を与えるんだ。

リボスイッチはどう機能するの?

リボスイッチには2つの主な形があるんだ。小分子がないときは、リボスイッチがある形で細胞が特定のタンパク質を作ることができる。でも、小分子が来てリボスイッチに結合すると、別の形に変わるんだ。この新しい形は、タンパク質の生産を止めたり続けさせたりすることができる。状況によって何をするか決まるって感じだね。

リボスイッチはどこにあるの?

リボスイッチは主に細菌(原核生物)に見られて、約40種類の小分子を制御できるんだ。でも、植物や動物(真核生物)みたいな複雑な生物ではあまり一般的じゃない。植物に見つかったリボスイッチは、通常、チアミンピロリン酸(TPP)っていう分子に反応する。人間ではあんまり研究されてなくて、隠れたリボスイッチがまだ発見されてないかもしれないって科学者たちが考えてる。

リボスイッチはなぜ重要なの?

リボスイッチは健康や病気に大きな影響を与える可能性があるんだ。リボスイッチが正しく機能しないと、タンパク質が多すぎたり少なすぎたりすることがある。これは、害のある量のタンパク質を作ったり、必要なものが不足したりして、病気に繋がる可能性がある。だから、リボスイッチを理解することで、特定の病気についてもっと学び、新しい治療法を見つける手助けになるかもしれない。

科学者たちはどうやってリボスイッチを見つけてるの?

リボスイッチの研究は、2002年に発見されて以来ずっと続いてるんだ。科学者たちは、リボスイッチがRNA配列のどこにあるかを予測するコンピュータプログラムみたいな様々な方法を開発してる。これらのプログラムは、機械学習を使って膨大な遺伝情報を解析するんだ。

リボスイッチ発見における機械学習の役割

最近、科学者たちは機械学習を使ってリボスイッチを見つける手助けを始めたんだ。機械学習は、データから学んで新しいデータを予測するアルゴリズムを使用するよ。この場合、研究者たちは既知のリボスイッチ配列を使ってコンピュータモデルを訓練して、人間のRNA配列の中から新しいリボスイッチを特定するのを助けてる。

彼らは多くのリボスイッチ配列と人間のRNA配列を集めて、新しい配列をリボスイッチの可能性があるかどうか分類できるモデルを作った。モデルは、自分が見たことのないリボスイッチをどれだけ正確に予測できるかテストされた。

モデルの構築

科学者たちはいろんなデータベースから大量のリボスイッチ配列を集めて、データをきれいにして、訓練に使えるように整理した。次に、RNA配列から長さや構造、他の特徴をいろいろ抽出した。

その後、彼らは複数の機械学習分類器を作ったんだ。これは、リボスイッチを過去の例に基づいて認識するように訓練されたデジタル探偵みたいなものだね。彼らはこれらの分類器を、訓練に使われていないことを確認した配列でテストしてバリデーションした。

結果

モデルを実行した後、研究者たちは人間のRNAの中にリボスイッチとして有望そうな配列をいくつか見つけたんだ。彼らは436の配列を特定した。全分類器が合意したことから、リボスイッチの特徴を持っている可能性が高い候補と言える。

さらに、1,533の配列もリボスイッチの特性を示したことに気づいたけど、これはサブセットの分類器によって識別された。これが、科学者たちにとって今後の実験的調査のためのしっかりした出発点を提供することになった。

これらのリボスイッチ候補が特別な理由は?

特定された配列は、既知のリボスイッチと多くの特徴を共有してた。研究者たちは、これらのヒットを詳しく見て、その特徴を評価したり、既知の配列と比較するためのオンライン表示を設定したりした。このアプローチは、情報を整理するのに役立つだけでなく、他の研究者がこれらの結果をさらに探求するのを簡単にするんだ。

遺伝子オントロジー:ヒットの意味は?

研究者たちは、5’ UTRヒットに対して遺伝子オントロジー(GO)分析を行って、これらの潜在的なリボスイッチがどんな機能に影響を与えるかを理解しようとした。彼らは、多くの関係するタンパク質が遺伝子調節、mRNA加工、化学信号の検出などの重要なプロセスに関与していることを発見した。これによって、これらのリボスイッチが細胞内で小分子に反応する上で重要な役割を果たす可能性があることが示唆された。

健康に対する潜在的な影響

これらのリボスイッチのような配列の特定は、重要な今後の作業のための舞台を整えるんだ。もし発見された配列が本当にリボスイッチのように振る舞うなら、細胞が異なる条件で自分自身をどのように調整するかについての洞察を提供してくれるかもしれない。たとえば、リボスイッチは、タンパク質の通常の調節が乱れる病気のキープレイヤーになる可能性がある。

結論

リボスイッチの研究は、科学者たちが細胞がさまざまなプロセスをどのように制御するかを学ぶためのワクワクする機会を提供してる。機械学習や計算ツールの使用は、膨大な遺伝データをすり抜ける革新的な方法として証明され、新しいリボスイッチ候補が明らかにされている。まだまだ実験でこれらの発見を検証する必要があるけど、使われている技術や方法が遺伝学や細胞機能のより深い理解への道を切り開いている。ちっちゃなヌクレオチドがこんなに大きな可能性を秘めているなんて、誰が思っただろう?

リボスイッチ研究の次のステップ

研究者たちがリボスイッチを調査し続ける中で、計算上の予測を検証するためにもっと実験を行うことを目指してる。これらのリボスイッチを研究することで、科学者たちはさまざまな生物学的プロセスや病気における役割を明らかにしようとしてる。

さらに、今後の研究は、異なる生物におけるリボスイッチの探求や、治療目的での操作方法にまで広がる可能性が高い。

技術の進歩とRNAの複雑さに対する理解が進む中で、リボスイッチの世界はさらに多くの驚きをもたらすだろう。お楽しみに!この小さなRNAの世界が他にどんな秘密を持っているか、誰にもわからないからね!

オリジナルソース

タイトル: Identification of potential riboswitch elements in Homo Sapiens mRNA 5'UTR sequences using Positive-Unlabeled Machine learning

概要: 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

著者: William S. Raymond, Jacob DeRoo, Brian Munsky

最終更新: 2024-12-06 00:00:00

言語: English

ソースURL: https://www.biorxiv.org/content/10.1101/2023.11.23.568398

ソースPDF: https://www.biorxiv.org/content/10.1101/2023.11.23.568398.full.pdf

ライセンス: https://creativecommons.org/licenses/by/4.0/

変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。

オープンアクセスの相互運用性を利用させていただいた biorxiv に感謝します。

類似の記事