RNA解析の進展:RISERの紹介
新しいツールが、低濃度のRNAタイプのリアルタイム研究を強化するよ。
― 1 分で読む
目次
RNA、つまりリボ核酸は、私たちの細胞で重要な役割を果たしてるんだ。DNAからの指示を運んで、体が機能するために必要なタンパク質を作る手助けをしてる。RNAの種類の中には、重要な役割を持ってるけど量がすごく少ないものもある。例えば、長い非コーディングRNA([LncRNA](/ja/keywords/rongunonkodeingurna--kk5005n))はタンパク質を作らないけど、発生や病気といった多くのプロセスに影響を与えるんだ。
RNA測定の課題
科学者がRNAを研究するとき、よくシーケンシングっていう方法を使って、RNA分子の遺伝情報を読み取るんだけど、ほとんどのシーケンシング方法はメッセンジャーRNA(mRNA)みたいな量の多いRNAタイプを優先しちゃう。だから、lncRNAみたいなあまり一般的でないRNAタイプが見過ごされることがある。そのせいで、科学者はこれらの少量のRNAタイプやその機能を理解するのが難しくなっちゃうんだ。
現在のRNA分析方法
少量のRNAタイプを効果的に研究するために、研究者はシーケンシングの前に特定のRNA分子を分離する技術を開発したんだ。でも、これらの技術は高額で時間がかかる化学プロセスを含むことが多いし、RNAを傷つけて不正確な結果を招くこともある。また、これらの方法は通常、既知のRNA配列のみを対象とするから、新たに発見されたタイプを見逃す可能性もある。
RISERの紹介:新しいアプローチ
そんな課題を克服するために、RISERという新しい技術が開発されたんだ。RISERは、複雑な生化学プロセスなしでRNAタイプをリアルタイムで分離できるから、研究者は量が少ないRNAの研究に集中できて、RNAの整合性も保たれるんだ。
RISERの仕組み
RISERは、ダイレクトRNAシーケンシングという特別なRNAシーケンシング技術と一緒に働く。この方法では、RNA分子が小さな孔を通りながら読まれるんだ。RISERはこのプロセスを利用して、RNAがシーケンシングされるときに生成される電気信号を人工知能で分析するんだ。信号のパターンを認識することで、RISERは存在するRNAのタイプを特定して、それを保持するか、シーケンシングプロセスから排除するかを決めるんだ。
リアルタイムRNA分類
RNA分子がシーケンシング孔を通り始めると、RISERはすぐに電気信号を評価して、深層学習モデルを使ってRNAのタイプを分類する。もしRNAが研究者が減らしたいタイプに一致したら、RISERはそのRNAをシーケンシングプロセスから取り除くコマンドを送るんだ。これで、lncRNAなどの少ないRNAタイプにもっとシーケンシングリソースを割り当てることができる。
リソースの効率的使用
RISERの主な利点の一つはその効率性なんだ。従来のRNA分析方法は時間がかかるし、計算能力も多く必要なんだけど、RISERはRNA信号をすばやく分類できて、正確な予測をするのに必要な入力データも少なくて済むんだ。つまり、研究者はより早く結果を得られるから、特にリアルタイムのシーケンシング中では重要なんだ。
RISER使用の結果
RISERがテストされたとき、良い結果が出たんだ。ライブ実験設定では、RISERがmRNAやミトコンドリアRNA(mtRNA)などの豊富なRNAタイプを効果的に減少させて、lncRNAのシーケンシング読み取りカウントを増やすことができたんだ。これで、研究者は貴重なデータを失うことなく、珍しいRNAタイプの研究に集中できる。
RISERの広範な応用
lncRNAをただ分析するだけじゃなくて、RISERはいろんなRNAタイプやアプリケーションに適応できる可能性があるんだ。ソフトウェアは新しいRNAモデルを取り入れるために簡単にアップデートできるから、すごく柔軟性が高いんだ。この適応性のおかげで、研究者は人間の健康や病気に関連する研究や、異なる生物においてもRISERを使うことができる。
RNAタイプの重要性
lncRNAは直接タンパク質を作るわけじゃないけど、様々な細胞プロセスの調節に重要な役割を果たしてるんだ。例えば、遺伝子発現のコントロールを助けたり、細胞の成長や機能に影響を与えたりするんだ。これらのRNAタイプがどのように働くかを理解することで、病気の発生に関する発見ができて、新しい治療法の道を開くことができる。
RNAのリアルタイム減少の利点
RISERの重要な強みの一つは、シーケンシングプロセス中に不要なRNAタイプをリアルタイムで減少させる能力なんだ。このダイナミックなコントロールのおかげで、研究者は特定のRNAタイプに焦点を合わせた実験を行えるし、貴重な時間やリソースを失うことがないんだ。従来の方法はシーケンシング後にすべてのRNAタイプを分析するから、データが膨大になって分析が複雑化しちゃうんだ。
RISERがRNA研究の風景を変える
RISERを使えば、以前は難しかったり不可能だったりした実験を行うことができるんだ。少量のRNAタイプの検出が改善されることで、細胞内のRNAの風景をより完全に理解できるようになるんだ。これが癌研究や発生生物学、再生医療の分野でのブレークスルーにつながるかもしれなくて、珍しいRNAタイプの理解が新しいバイオマーカーや治療法の発見に重要なんだ。
RNAシーケンシングの未来
RISERのような技術の開発は、RNA研究において重要な前進を示しているんだ。科学者がRNAの複雑さを探求し続ける中で、様々なRNAタイプを検出し分析する能力を高めるツールが不可欠になるんだ。RISERは、ラボで標準的なツールとなる準備が整っていて、RNAシーケンシングの効率と正確さを向上させるんだ。
結論
要するに、RISERは低量のRNAタイプの研究に関連する課題への革新的な解決策を提供してるんだ。シーケンシング中にリアルタイムでRNAを特定し分離することで、研究者はRNAの宇宙をより効果的に探求できるようになる。これからこの分野が成長していく中で、RISERがRNA研究を促進する役割は広がって、新しい科学的発見や医療の進歩につながるだろうね。
タイトル: Biochemical-free enrichment or depletion of RNA classes in real-time during direct RNA sequencing with RISER
概要: The heterogeneous composition of cellular transcriptomes poses a major challenge for detecting weakly expressed RNA classes, as they can be obscured by abundant RNAs. Although biochemical protocols can enrich or deplete specified RNAs, they are time-consuming, expensive and can compromise RNA integrity. Here we introduce RISER, a biochemical-free technology for the real-time enrichment or depletion of RNA classes. RISER performs selective rejection of molecules during direct RNA sequencing by identifying RNA classes directly from nanopore signals with deep learning and communicating with the sequencing hardware in real time. By targeting the dominant messenger and mitochondrial RNA classes for depletion, RISER reduced their respective read counts by more than 85%, resulting in an increase in sequencing depth of up to 93% for long non-coding RNAs. We also applied RISER for the depletion of globin mRNA in whole blood, achieving a decrease in globin reads by more than 90% as well as a significant increase in non-globin reads. Furthermore, using a GPU or a CPU, RISER is faster than GPU-accelerated basecalling and mapping. RISERs modular and retrainable software and intuitive command-line interface allow easy adaptation to other RNA classes. RISER is available at https://github.com/comprna/riser.
著者: Eduardo Eyras, A. Sneddon, A. Ravindran, S. Shanmuganandam, M. Kanchi, N. Hein, S. Jiang, N. E. Shirokikh
最終更新: 2024-03-02 00:00:00
言語: English
ソースURL: https://www.biorxiv.org/content/10.1101/2022.11.29.518281
ソースPDF: https://www.biorxiv.org/content/10.1101/2022.11.29.518281.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。