Riboformer: ein Framework für tiefes Lernen zur Vorhersage kontextabhängiger Übersetzungsdynamik – Nature Communications

Riboformer: ein Framework für tiefes Lernen zur Vorhersage kontextabhängiger Übersetzungsdynamik – Nature Communications

Riboformer ist ein Werkzeug, das die Dichte der Ribosomen genau definiert und trainiert werden muss, indem zwei Ribosomenprofil-Datensätze verwendet werden, wobei eine Transformer-Architektur eingesetzt wird, um die Sequenzmerkmale zu erfassen, die die Änderungen in den Translationkinetiken bestimmen. Der Transformer-Block besteht aus Selbst-Aufmerksamkeitsschichten, die den Einfluss entfernter Codons basierend auf ihren Sequenzrepräsentationen sammeln, im Gegensatz zu einem Convolutional Neural Network, das auf Faltungsbetreibern setzt, um lokale Sequenzmotive zu erkennen. Zur Evaluation der Leistungsfähigkeit von Riboformer wurde das Modell an bakteriellen Proben getestet, bei denen technische Artefakte während der Bibliotheksvorbereitung die zugrunde liegenden Translationskinetiken gestört haben. Historisch gesehen wurden bakterielle Proben oft durch schnelles Filtern geerntet und in einem Puffer mit Chloramphenicol lysiert, um die Elongation zu stoppen, aber dies ändert die Translationserzeugung in spezifischer Weise.

Ein neues Protokoll wurde entwickelt, das eine direkte Gefrierung der Zellkultur und die Unterbrechung der Translation mit einem Lysepuffer mit hohen Magnesiumkonzentrationen beinhaltet. Dieser Ansatz beseitigt Pausen an Serin- und Glycin-Codons, die sich aus dem Filterprotokoll ergeben, und bietet einen klareren Überblick über das in vivo-translationale Landschaft. Riboformer hat sich als robust erwiesen, da es Experimentale Bias in nicht gesehenen Daten korrigiert und sequenzspezifische Ribosomstauungen identifiziert, die zu Ribosomkollisionen führen. Das Modell kann auch als Werkzeug zur Standardisierung einer breiten Palette von Ribosomprofilierungsmessungen verwendet werden, wodurch experimentelle Geräusche reduziert und das biologische Signal erhalten bleiben. Riboformer hat ebenso gezeigt, dass hochwertige und reproduzierbare Ergebnisse auch bei der Identifizierung von Flaschenhälsen bei der Translation verfügbar sind. Anhand von Kolliisionsdaten konnte gezeigt werden, wie Ribosomen aufgrund ihrer Sequenzen anhalten und dass bestimmte Aminosäuren wie Prolin das Translationstempo beeinflussen können. Insgesamt bietet Riboformer einen umfassenden Einblick in die Ribosomenprofilierung und die Dynamik des Proteinstoffwechsels in biologischen Systemen.