Além do RNA mensageiro (mRNA) que fornece o código para proteínas, existem outros RNAs que exercem sua função exatamente como o RNA, geralmente chamado de RNAs não codificantes (NCRNAs). Esses ncRNAs têm muitas funções diferentes, da tradução (RNA ribossômico, RNAs de transferência) para a regulação (micro RNAs, riboswitches). Muitos ncRNAs funcionais adotam estruturas específicas para suas funções. Essas estruturas tendem a ser bastante complexas e não locais. Assim como o DNA, a estrutura de RNA envolve o dobro antiparalelo Hélices de Watson-Crick-Franklin empilhado (WCF) Pares de bases nos quais os nucleotídeos C pares com g e um pares com t (ou u para RNA). Ao contrário do DNA, porém, as hélices de RNA geralmente são curtas e são conectadas por loops de nucleotídeos não emparelhados. No entanto, esses loops de RNA de conexão não são apenas não estruturados, pelo contrário, estão envolvidos em uma variedade de interações estabilizador e intrincado de pares de bases não-WCF.
O Pares de bases não-WCF Não forme hélices, mas também não são desordenadas. Em vez disso, os loops de RNA organizam-se em pequenos elementos estruturais que aparecem repetidamente em estruturas tridimensionais de RNA (3D). Estes recorrentes Motivos 3D de RNA são os blocos de construção de configurações 3D complexas que apreciamos nas estruturas cristalinas de RNA. Por exemplo, os RNAs de transferência adquirem uma forma tridimensional característica de L, resultante de interações entre resíduos nos loops de duas hélices.
Como a produção de estruturas cristalinas de RNA ainda é cara, a previsão computacional da estrutura de RNA da sequência de RNA é útil. Existem muitos algoritmos para prever pares de bases da WCF presentes nos RNAs estruturados (a estrutura secundária), e também existem métodos para preveja os motivos 3D com uma estrutura secundária. A previsão da estrutura secundária do RNA é subótima em parte devido à omissão dos motivos de RNA 3D, e a previsão de motivos 3D de RNA é difícil porque os motivos são pequenos e não possuem muito conteúdo de informação, resultando em muitas falsas positivas.
Em um recente Métodos da natureza artigo, “O RNA All-At-As soon as dobrava com previsão de motivos 3D emoldurada por informações evolutivas”, Aayush Karan e Elena Rivas apresentam um método computacional que prevê ambos (estrutura secundária mais motivos 3D) em conjunto Ajudando a mitigar muitas das dificuldades mencionadas inerentes à previsão completa da estrutura dos RNAs.
O novo método, nomeado Cacofold-r3d, tem várias propriedades interessantes não reunidas antes: pode levar em consideração muitos motivos diferentes (tudo), e pode identificar motivos 3D em qualquer regiões não helicoidais (em todos os lugares), todos os quais são combinados em uma única previsão (de uma só vez).
Mas a propriedade mais importante do Cacofold-R3D é que ele funciona alinhamentos. Os pares de bases WCF (a: u, u: a, c: g e g: c) são todos intercambiáveis em uma hélice. Em conseqüência, os pares de bases WCF conservados mostram um padrão distinto de co-variação que é bem observado nos alinhamentos. O cacofold explora a covariação no alinhamento para identificar hélices. Pares de bases não-WCF em motivos 3D sendo de um tipo diferente, não são intercambiáveis e não covariam. Mas, ao prever esses dois em conjunto, a detecção de motivos 3D se beneficia das restrições estruturais significativas impostas pelas hélices covarsas.
Este trabalho se originou como um projeto de pesquisa de graduação para Aayush Karan (Harvard 2023), agora um estudante de doutorado em Harvard em ciência da computação. Aayush foi o primeiro e único primeiro ano que fez o curso de Elena MCB111 Arithmetic in Biology. Aayush produziu um protótipo incorporando dois arquétipos de motivos 3D. Os resultados foram tão encorajadores que Elena decidiu fazer uma implementação integrada completa, o que demorou um pouco para começar e concluir. Mas eles persistiram, e a combinação de seus esforços levou a esse novo método e manuscrito.
O Cacofold-R3D é rápido, fácil de usar e personalizável. Além de prever em conjunto pares de bases WCF e motivos 3D de alinhamentos de RNAs, ele também pode ser usado para de Novo Descoberta de outros motivos 3D. Avançando, o Rivas Lab planeja investigar o potencial de personalizar o Cacofold-R3D para identificar RNAs com motivos de loop específicos interagindo com pequenas moléculas com aplicações terapêuticas.
