Inteligência artificial revoluciona previsão de splicing de RNA

Pesquisadores do China National Center for Bioinformation, liderados pelo Professor Gao Yuan, desenvolveram um sistema inovador de inteligência artificial capaz de prever com precisão o splicing de RNA e o uso de isoformas. Este avanço, detalhado na publicação da Nature Computational Science, integra características de sequência genômica com perfis de expressão específicos de proteínas de ligação ao RNA (RBPs), permitindo uma análise detalhada e precisa das complexas interações envolvidas no processo de splicing.

O framework, denominado Hierarchical Explainable LSTM for Isoform eXpression (HELIX), supera as limitações dos métodos convencionais através de uma arquitetura de deep learning em duas camadas. Inicialmente, ele integra informações de sequência de DNA com perfis de expressão de 1.499 RBPs, utilizando redes de memória de longo curto prazo (LSTM) para capturar as dependências complexas entre múltiplos locais de splicing. Isso resulta em previsões precisas e confiáveis do uso de isoformas de RNA, destacando-se em comparação com métodos tradicionais.

Em estudos relacionados a doenças, o HELIX demonstrou uma capacidade robusta de decifrar alterações aberrantes de splicing de RNA e uso de isoformas. Em particular, em grandes coortes de câncer colorretal, os pesquisadores identificaram uma regulação anormal de splicing e uso de isoformas em células tumorais. Os resultados revelaram fortes correlações entre essas alterações, mutações genômicas, desregulação de RBPs e perfis clínicos de pacientes, sugerindo que anormalidades de splicing podem servir como assinaturas moleculares vitais para entender a progressão tumoral e guiar a estratificação de pacientes.

Além disso, a equipe desenvolveu o scHELIX, uma extensão do HELIX para dados de sequenciamento de RNA de célula única. Esta ferramenta permite o perfilamento de alta resolução do uso de isoformas de transcritos em diferentes tipos de células e subpopulações tumorais, proporcionando uma visão refinada da heterogeneidade intratumoral. As descobertas revelam padrões distintos de splicing de RNA e uso de isoformas entre subclones tumorais, oferecendo novas pistas para a pesquisa de evolução tumoral e descoberta de alvos terapêuticos potenciais.

O trabalho não apenas aprofunda a compreensão dos mecanismos de splicing específicos de tecido e relacionados a doenças, mas também fornece ferramentas computacionais valiosas e suporte teórico para a subtipagem de câncer, anotação de variantes patogênicas e desenvolvimento de medicina de precisão. Para mais detalhes, consulte a publicação no portal Phys.org.