【獵雲網（微信號：）】1月5日報導（編譯：停楓）
RNA，或稱核糖核酸，存在於所有活細胞中。它作為信使，攜帶著DNA（脫氧核糖核酸）的指令，指揮著體內各種蛋白質的合成過程。當核糖核酸不能正常工作時，它會嚴重影響神經系統、心血管和肌肉的調節過程，導致腫瘤、胰島素抵抗以及運動技能障礙等疾病。
對於人體來說，RNA如此重要，這也是為什麼來自弗萊堡大學計算機科學系(University of Freiburg’s Department of Computer Science)的研究人員們專門開發了一個人工智慧系統，名為LEARNA。這個AI系統可以學習設計用於研究的RNA分子。本周弗萊堡大學計算機科學系的研究者們將這一研究結果以論文的形式，刊登在預印伺服器Arxiv.org之上，該論文的名稱是：學習設計RNA(Learning to Design RNA)。
研究人員在論文中如是寫道：
「設計RNA分子最近引起了醫學、合成生物學、生物技術和生物信息學領域研究者們的興趣，因為許多功能性RNA分子被證明參與了轉錄、表觀遺傳學和翻譯的調控過程。在這裡，我們為RNA設計問題提出了一種新的算法思路。」
正如這篇論文的作者所解釋的一樣，RNA的功能取決於它的結構特性。因此，對於研究者來說真正的挑戰是識別RNA中導致其摺疊成特定結構的模式和序列，有時被稱為RNA反向摺疊。
弗萊堡大學研究人員們給出的方法依賴的是一種深度強化學習(RL)算法，這是一種人工智慧(AI)訓練技術，該技術使用獎勵來驅動個體朝著目標前進。這種算法訓練是一個可以順序預測整個RNA序列的策略網絡，它生成此序列，摺疊它，並使用從結果結構到目標結構的距離作為AI代理的信號。
與此同時，第二個LEARNA版本，也可以被稱作是Meta-LEARNA，學習了許多RNA設計問題的單一策略，這些問題直接適用於新的RNA設計。也就是說，算法能夠學習到一個量身定製的生成模型，通過選擇放置核苷酸，即RNA和DNA的化學構建塊，的動作來構建RNA序列樣本，用於給定的RNA靶結構。
研究人員們在論文中寫道：
「據我們所知，這是結構搜索在RL領域的首次應用，也是結構搜索在元學習(metalearning)領域的首次應用。」
在一臺具有20個核心處理器的機器上對8000種不同RNA目標結構進行元學習一小時後，Meta-LEARNA成功解決了Eterna100基準測試中高達65％的目標結構。Eterna100，對於不那些熟悉的人來說，是由Eterna的成員創建的100個目標結構的集合，這是一個在線開放實驗室，可以讓用戶創建摺疊到特定結構的序列。此外，它只需要90秒即可達到與之相同效果的任何其他方法，並在三分鐘內完成最先進性能的篩選。
同時，在另一個基準rfam.taneda上，Meta-LEARNA在10秒內產生了與最先進的方法一樣好的結果，並且在1分鐘後準確度超過了這些方法。這一結果與谷歌母公司DeepMind今年早些時候開發的蛋白質摺疊AlphaFold系統的結果非常相似，預示著RNA生物學研究工作具有良好的發展前景。
研究人員們在論文中寫道：「全面的實證結果表明，我們的方法在所有基準上都實現了最新、最先進的性能，同時在達到以前的最先進性能方面也快了幾個數量級。」