Nytt verktyg hjälper forskare att hitta långa icke-kodande RNA

Långa icke-kodande RNA, eller lncRNA, bildas från DNA precis som andra RNA, men de innehåller inte instruktioner för att bygga proteiner. I stället fungerar de som ”reglerare” i cellen och styr hur gener aktiveras och stängs av, påverkar växtens utveckling och hjälper växter att hantera stressfaktorer som torka eller värme. Men lncRNA skiljer sig mycket mellan olika växtarter, vilket tidigare har gjort dem svåra att identifiera.

För att lösa detta problem tog Jian-Feng Mao och hans kollegor hjälp av maskininlärning, en typ av artificiell intelligens som tränas på stora datamängder för att hitta mönster. De analyserade över 1 600 olika egenskaper hos lncRNA och lyckades identifiera tre nyckelfaktorer som effektivt skiljer lncRNA från andra typer av RNA.

Identifiering av sekvensmönster med hjälp av matematiska parametrar

Det som gör PlantLncBoost särskilt innovativt är att det inte bara tittar på biologiska egenskaper, utan också använder matematiska kriterier för att upptäcka dolda mönster i RNA-sekvenserna. Genom att använda så kallad Fourier-transformering kunde forskarna hitta gemensamma drag hos lncRNA, även mellan växtarter med mycket olika genetiska sekvenser.

Vi har utvecklat ett verktyg som uppnår både hög noggrannhet och god förmåga att fungera på olika växtarter.

- Vi genomförde en systematisk utvärdering av flera maskininlärningsalgoritmer och finjusterade parametrarna noggrant för att utveckla ett verktyg som uppnår både hög noggrannhet och god förmåga att fungera på olika växtarter, förklarar Jian-Feng Mao, docent vid Umeå universitet, som etablerade sin grupp vid Umeå Plant Science Centre 2023.

För att testa hur väl deras nya verktyg fungerar använde forskarna data från 20 olika växtarter. PlantLncBoost lyckades identifiera lncRNA med över 96 procents noggrannhet, vilket är betydligt bättre än befintliga verktyg. Det kunde dessutom känna igen nästan alla 358 långa lncRNA som tidigare bekräftats i laboratorieförsök, även från tolv växtarter som inte ingick i den data som användes för att träna verktyget.

Nya möjligheter att jämföra långa icke-kodande RNA mellan olika arter

Försteförfattaren Xue-Chan Tian kombinerade i sin doktorsavhandling, som hon gjorde i Jian-Feng Maos grupp, avancerade beräkningsmetoder med växtgenomik.

Bild Xiao-Guang Lin

- Att utveckla PlantLncBoost var en spännande möjlighet att tillämpa maskininlärning för att lösa ett komplext biologiskt problem, säger försteförfattaren Xue-Chan Tian, som genomförde arbetet som en del av sin doktorsavhandling vid Beijing Forestry University.

- Mitt doktorandprogram fokuserade på att kombinera avancerade datorbaserade metoder med växtgenomik för att få fram meningsfulla biologiska insikter ur komplexa sekvensdata.

Projektet har samlat experter från Sverige, Kina och Brasilien inom områden som växtgenetik, bioinformatik och datavetenskap. PlantLncBoost är nu fritt tillgängligt för forskarvärlden och har integrerats i ett större analysverktyg som Jian-Feng Maos forskargrupp tidigare utvecklat. Det gör det möjligt att inte bara identifiera, utan också karakterisera lncRNA i växter. Genom att använda PlantLncBoost som del av detta större analysverktyg kan forskarna nu identifiera långa icke-kodande RNA från olika växtarter med hög precision, vilket gör det lättare att jämföra och analysera dem.