Forsucher an der University of California San Diego haben mithilfe von Hochdurchsatz-DNS-Sequenzierung und künstlicher Intelligenz ein Steuerelement im menschlichen Erbgut entschlüsselt. Das sogenannte Initiator-Signal markiert den Startpunkt der Genaktivierung und findet sich in etwa 60 Prozent der menschlichen Gene.
Gesundes Wachstum und die Entwicklung des menschlichen Körpers hängen davon ab, dass Zehntausende von Genen zum richtigen Zeitpunkt und am richtigen Ort aktiviert werden. Spezifische Regionen der DNS steuern diesen Prozess und leiten die Produktion von Enzymen, Hormonen, Proteinen sowie weiteren Molekülen an, die Zellen für ihre Funktion benötigen. Wenn diese Genaktivierung fehlschlägt, können Zellen fehlgeleitet werden und zur Entstehung von Krankheiten wie Krebs beitragen.
Künstliche Intelligenz entschlüsselt das Initiator-Signal
Um die steuernden DNS-Sequenzen genauer zu verstehen, konzentrierten sich Forschende im Labor von University of California San Diego Professor James T. Kadonaga auf ein wesentliches DNS-Element, den sogenannten „initiator.“ Dieses Element markiert die Stelle, an der die in einem Gen kodierte Information beginnt, in ein funktionales Produkt umgewandelt oder exprimiert zu werden.
In the new study, led by graduate student researcher Torrey Rhyne-Carrigg, the team used high-throughput DNA sequencing to measure gene expression activity across approximately 500,000 different versions of the initiator. Die Forschenden nutzten diese Ergebnisse, um ein maschinelles Lernsystem als Form der künstlichen Intelligenz zu trainieren, damit dieses das charakteristische, mit dem Initiator verbundene DNS-Muster identifizieren kann.
Sobald das Modell diese Signatur decodiert hatte, suchte das Team in menschlichen Genen nach der Sequenz und fand, dass etwa 60% der Gene den Initiator enthalten.
Kadonaga, Professor in the UC San Diego Department of Molecular Biology, School of Biological Sciences, erklärte, dass diese KI-Modelle zum ersten Mal verlässliche Vorhersagen über das Vorhandensein oder Fehlen des Initiators in menschlichen Genen ermöglichen und folglich in der Lage seien, das DNS-Basensequenzmuster des Initiators zu entschlüsseln.
James T. Kadonaga, Professor in the UC San Diego Department of Molecular Biology, School of Biological Sciences
Prognosen zu Mutationen und genetischen Störungen
Die Findings could help researchers anticipate how mutations affecting the initiator may alter gene activity and contribute to a range of disorders. Die Daten der Studie und die KI-Modelle können zudem das Design synthetischer Promotoren unterstützen – also Sequenzen, die Gene ein- oder ausschalten können und deren Funktionen für spezifische Zwecke maßgeschneidert sind. Breiter betrachtet zeigt die Forschung, wie Laborexperimente und künstliche Intelligenz kombiniert werden können, um in der menschlichen DNS kodierte Informationen aufzudecken.
Kadonaga führte außerdem aus, dass diese Arbeit im größeren Rahmen ein weiterer Schritt nach vorn bei der kombinierten Nutzung von Laborexperimenten und künstlicher Intelligenz sei, um die in der Sequenz der DNS-Basen beim Menschen eingebetteten Informationen zu entschlüsseln.
In jeder der sechs Milliarden DNS-Basen in jeder unserer Zellen existiert letztlich ein Genexpressionscode, der festlegt, wann, wo und in welchem Maße jedes unserer Gene ein- oder ausgeschaltet werden soll. Wenn ein KI-Modell für den gesamten Genexpressionscode existierte, wäre es möglich, die Aktivität jeder verschiedenen Genvariante bei unterschiedlichen Menschen vorherzusagen. Das neue KI-Modell für den Initiator ist ein kleiner, aber wichtiger Teil dieses Genexpressionscodes, und Kadonaga äußerte sich optimistisch, dass die KI-Modelle des menschlichen Genexpressionscodes in nicht allzu ferner Zukunft erweitert werden.
Weiterlesen
