EnglishOpen AI-model voorspelt hoe RNA zich vouwt, getraind op 21 miljoen voorbeelden
Onderzoekers uit China presenteren in Nature structRFM, een AI-model dat leert hoe RNA-moleculen zich vouwen. In tests doet het volgens de makers mee met AlphaFold3 van Google DeepMind. Data, model en code zijn vrij beschikbaar.
In elke cel van je lichaam werkt RNA. Het bekendst is RNA als kopie van een gen, het recept waarmee de cel een eiwit bouwt. Maar veel RNA-moleculen doen zelf werk: ze schakelen genen aan en uit of helpen andere moleculen. Wat een RNA-molecuul doet, hangt sterk af van de vorm waarin het zich opvouwt. En die vorm in het lab bepalen is traag en duur.
Onderzoekers van de University of Science and Technology of China en enkele andere Chinese instituten presenteren nu in het wetenschappelijke tijdschrift Nature een AI-model dat die vouwing beter leert voorspellen. Het heet structRFM.
Leren van letters én van vouwen
RNA is een lange keten van vier bouwstenen, aangeduid met de letters A, C, G en U. Op sommige plekken plakken twee bouwstenen in de keten aan elkaar vast, waardoor het molecuul dubbelvouwt en lusjes vormt. Welke letters elkaar vinden, bepaalt de vorm.
Veel bestaande RNA-modellen leren alleen van de lettervolgorde. Ze krijgen een reeks waarin letters zijn weggelaten en moeten raden wat er hoort te staan, ongeveer zoals een taalmodel ontbrekende woorden in een zin leert invullen. structRFM leert daarnaast welke letters met elkaar een paar vormen. Het model is getraind op 21 miljoen RNA-volgordes, elk met een bijbehorende vouwing. Omdat de vouwing van zoveel moleculen niet in het lab is gemeten, combineerden de onderzoekers voorspellingen van verschillende bestaande methoden. Zo weegt de vergissing van één methode minder zwaar.
Wat het model kan
Volgens de onderzoekers voorspelt structRFM de vouwing van RNA beter dan eerdere methoden op de gangbare tests. Een uitbreiding van het model voorspelt ook de volledige vorm in drie dimensies. Bij drie bekende internationale tests deed die versie volgens de makers net zo goed mee als AlphaFold3, het model van Google DeepMind dat de vorm van eiwitten en andere moleculen voorspelt. structRFM werkt ook bij RNA-families die pas na de training bekend werden en bij lange RNA-moleculen, en het helpt bij voorspellingen over wat een RNA-molecuul doet.
Die resultaten komen van de onderzoekers zelf. Een belangrijk pluspunt is dat iedereen ze kan nalopen: de volledige trainingsset, het getrainde model en de programmacode zijn openbaar. Andere onderzoeksgroepen kunnen het model daardoor zelf testen en er verder op bouwen.
Wat betekent dit voor de weg naar de singulariteit?
AlphaFold liet zien hoe AI de vorm van eiwitten kan voorspellen en daarmee jaren labwerk kan inkorten. Voor RNA is dat nog lastiger, omdat er veel minder gemeten vormen bestaan om van te leren. Een open model dat de vouwing van RNA goed voorspelt, geeft onderzoekers overal ter wereld een gereedschap om sneller te zien hoe een RNA-molecuul werkt. Dat kan helpen bij het ontwerpen van medicijnen die op RNA aangrijpen. Omdat alles vrij beschikbaar is, kan elk lab er meteen mee aan de slag.
