Nature子刊：AI工具可预测哪些DNA序列相互结合

　　

北卡罗来纳州立大学的研究人员近日展示了一种新的人工智能模型，该模型能够预测DNA分子与其他哪些DNA分子结合。

这项成果于7月9日发表在《Nature Communications》杂志上。更深入地了解这些极其复杂的结合关系，对于从生物医学诊断到DNA计算等诸多应用领域都具有重要意义。

共同通讯作者、北卡罗来纳州立大学副教授Albert Keung表示：“我们通常认为分子结合是一种非常简单的关系——A分子与B分子结合。但在生物系统中，情况远非如此简单。A分子可能与数十种其他分子结合，结合程度各不相同。”

“捕捉这种超复杂性是一项巨大的挑战，但如果我们希望更好地了解自然遗传系统，这一点至关重要，”Keung说。“如果我们想开发出能够充分利用生物分子的工具，比如对遗传差异敏感的诊断工具，或依赖DNA来存储和检索数据的计算系统，捕捉这种超复杂性也至关重要。”

共同第一作者、北卡罗来纳州立大学的Gunavaran Brihadiswaran表示：“我们知道深度学习模型有潜力帮助我们探索这类超复杂系统。不过，我们也知道我们需要一个强大的数据集来训练模型。一个模型的优劣取决于训练数据的质量。”

之前一些工作也试图开发预测DNA-DNA结合行为的工具，它们大多依赖于相对较小的DNA-DNA数据集，然后利用生物物理建模工具来预测DNA序列会与其他哪些DNA序列结合。由此产生的预测工具难以捕捉结合关系的复杂性。

据研究人员介绍，他们采用了一种不同的实验方法，因此能够生成更多的关于哪些DNA序列相互结合的数据。

共同第一作者、北卡罗来纳州立大学的Karishma Matange解释说：“我们的数据库总共包含1.44亿对序列。这个更广泛的数据集让我们能够利用人工智能模型，而不是基于生物物理或生物化学原理进行推断。”

具体来说，研究人员使用更大的数据集来训练一个深度学习模型，用于预测DNA序列会与其他哪些DNA序列结合。他们将该模型命名为BINND：DNA结合与相互作用神经网络。

在概念验证测试中，研究人员发现BINND模型预测哪些DNA序列会结合的准确率达到了 83.5%。即使出现错误，它也倾向于预测两条DNA序列不会结合，而实际上它们会结合。

“BINND的准确率比最先进的模型至少高出10%，”Brihadiswaran谈道。

为了展示BINND的实用性，研究人员利用该模型构建了一个数据库，该数据库捕捉了DNA-DNA结合行为的高度关联性。它本质上是一个矩阵，展示了96个20个字符的DNA序列如何与另外26个20个字符的DNA序列结合（或不结合）。

共同通讯作者、北卡罗来纳州立大学的James Tuck教授表示：“从DNA计算的角度来看，这项演示具有真正的实用价值，因为它为我们提供了关于这些序列特征的关键信息，这对于利用DNA捕获和检索信息的工作至关重要。”

“我们希望其他研究人员也能使用BINND，因此我们将其在GitHub上公开。”BINND的地址为 https://github.com/dna-storage/BINND。

“DNA数据存储和计算面临的挑战之一是其能否扩展规模以满足实际应用需求，”Keung说。“我们乐观地认为，BINND将成为推动这些技术扩展（以及其他潜在应用）的宝贵工具。”