I Ricercatori di Intelligenza Artificiale Sviluppano una Rete Neurale Esplicabile per Scoprire le Regole Genomiche

Un team di ricercatori ha recentemente creato una rete neurale esplicabile destinata ad aiutare i biologi a scoprire le misteriose regole che governano il codice del genoma umano. Il team di ricerca ha addestrato una rete neurale su mappe di interazioni proteina-DNA, consentendo all’IA di scoprire come determinate sequenze di DNA regolino determinati geni. I ricercatori hanno anche reso il modello esplicabile, in modo da poter analizzare le conclusioni del modello e determinare come i motivi di sequenza regolino i geni.

Una delle grandi sfide della biologia è il codice regolatore del genoma. È noto che il DNA è composto da quattro basi nucleotidiche – Adenina, Guanina, Timina e Citosina – ma non è noto come queste basi siano utilizzate per regolare l’attività. Le quattro basi nucleotidiche codificano le istruzioni per la costruzione delle proteine, ma controllano anche dove e come vengono espressi i geni (come producono proteine in un organismo). Particolari combinazioni e disposizioni delle basi creano sezioni di codice regolatore che si legano a segmenti di DNA, e non è noto quale sia la natura di queste combinazioni.

Un team interdisciplinare di informatici e biologi ha cercato di risolvere questo mistero creando una rete neurale esplicabile. Il team di ricerca ha creato una rete neurale che ha chiamato “Base Pair Network” o “BPNet”. Il modello utilizzato da BPNet per generare previsioni può essere interpretato per identificare i codici regolatori. Ciò è stato realizzato prevedendo come le proteine chiamate fattori di trascrizione si legano alle sequenze di DNA.

I ricercatori hanno condotto una serie di esperimenti e hanno effettuato una modellazione computerizzata approfondita per determinare come i fattori di trascrizione e il DNA si legano insieme, sviluppando una mappa dettagliata a livello di singole basi nucleotidiche. Le rappresentazioni dettagliate dei fattori di trascrizione-DNA hanno consentito ai ricercatori di creare strumenti in grado di interpretare sia i modelli di sequenza di DNA critici che le regole che funzionano come codice regolatore.

Julia Zeitlinger, biologa e ricercatrice computazionale presso l’Università di Stanford, ha spiegato che i risultati raccolti dalla rete neurale esplicabile sono coerenti con i risultati sperimentali esistenti, ma contengono anche intuizioni sorprendenti sul codice regolatore del genoma. Ad esempio, il modello di IA ha consentito al team di ricerca di scoprire una regola che influenza il modo in cui un fattore di trascrizione chiamato Nanog opera. Quando sono presenti più istanze del motivo Nanog sullo stesso lato di un doppio elica di DNA, si legano in modo cooperativo al DNA. Come ha spiegato Zeitlinger via ScienceDaily:

“C’è stata una lunga serie di prove sperimentali che tale periodicità del motivo a volte esiste nel codice regolatore. Tuttavia, le circostanze esatte erano elusive, e Nanog non era sospettato. Scoprire che Nanog ha un tale modello e vedere ulteriori dettagli delle sue interazioni è stato sorprendente perché non abbiamo cercato specificamente questo modello.”

La recente pubblicazione di ricerca è lontana dall’essere il primo studio ad utilizzare l’IA per analizzare il DNA, ma è probabilmente il primo studio ad aprire la “scatola nera” dell’IA per discernere quali sequenze di DNA regolino i geni nel genoma. Le reti neurali sono eccellenti nel trovare modelli all’interno dei dati, ma le loro intuizioni sono difficili da estrarre dai modelli che creano. Creando un metodo per analizzare quali caratteristiche il modello considera importanti per la previsione delle regole genomiche, i ricercatori possono addestrare modelli più raffinati che portano a nuove scoperte.

L’architettura di BPNet è simile a reti utilizzate per riconoscere i volti nelle immagini. Quando i sistemi di visione computerizzata riconoscono i volti nelle immagini, la rete inizia a rilevare i bordi e poi li unisce. La differenza è che BPNet apprende dalle sequenze di DNA, rilevando i motivi di sequenza e unendoli in regole di ordine superiore che possono essere utilizzate per prevedere il legame dei dati a risoluzione di base.

Dopo che il modello ha raggiunto una soglia di accuratezza elevata, i modelli appresi dal modello vengono ritracciati alle sequenze di input originali, rivelando i motivi di sequenza. Infine, il modello viene fornito con query di sequenza di DNA sistematiche, consentendo ai ricercatori di comprendere le regole in base alle quali i motivi di sequenza si combinano e funzionano. Secondo Zeitlinger, il modello è in grado di prevedere molte più sequenze di quelle che i ricercatori potrebbero sperare di testare in modo tradizionale, sperimentale. Inoltre, la previsione dell’esito di anomalie sperimentali ha consentito ai ricercatori di identificare quali esperimenti sono stati più informativi quando si è trattato di convalidare il modello.