RNA எழுத்துகளையும் அவற்றின் இணைப்புகளையும் கற்கும் மாதிரி
சீனாவின் அறிவியல் மற்றும் தொழில்நுட்பப் பல்கலைக்கழக ஆராய்ச்சியாளர்கள் structRFM என்ற திறந்த RNA அடிப்படை மாதிரியை வெளியிட்டுள்ளனர். 2.1 கோடி RNA வரிசை மற்றும் கணினி வழி குறியிடப்பட்ட கட்டமைப்பு இணைகளைக் கொண்டு இது பயிற்றுவிக்கப்பட்டது. இந்த வெளியீட்டில் இணைக்கப்பட்ட பயிற்சித் தரவுகள், மாதிரி எடைகள் மற்றும் மூலக் குறியீடு ஆகியவை இடம்பெற்றுள்ளன. இதன் மூலம் பிற ஆய்வகங்கள் இந்தப் பணியை மீண்டும் உருவாக்கவும், மாதிரியைத் தங்கள் தேவைக்கு ஏற்ப மாற்றியமைக்கவும் தேவையான வளங்களைப் பெறுகின்றன.
உள்ளடக்கம்
- RNA எழுத்துகளையும் அவற்றின் இணைப்புகளையும் கற்கும் மாதிரி
- வரிசைக்கு இணையாக மடிப்பும் ஏன் முக்கியம்
- 2.1 கோடி பயிற்சி இணைகள் எவ்வாறு தொகுக்கப்பட்டன
- மறைக்கப்பட்ட தகவலைக் கொண்டு மாதிரிக்குப் பயிற்சி அளித்தல்
- கட்டமைப்புச் சோதனைகளில் கிடைத்த முடிவுகள்
- RNA செயலாக்கத்திலிருந்து செயல்பாட்டு வகைப்பாடு வரை
- திறந்த வெளியீடு ஆராய்ச்சியாளர்களுக்கு வழங்குவது
- ஆய்வுக் குழுவும் வெளியீட்டுக் காலவரிசையும்
- RNA ஆராய்ச்சியில் இந்த முடிவுகள் ஏற்படுத்தும் மாற்றம்
- முக்கிய அம்சங்கள்
2026 நவம்பர் 4 அன்று Nature வெளியிட்ட இந்த ஆய்வுக் கட்டுரை, RNA-வின் மூலக்கூறு கட்டுமான அலகுகளின் வரிசையையும், அந்த மூலக்கூறுகள் மடங்க உதவும் இணைப்புகளையும் கற்கும் மாதிரியை விவரிக்கிறது. முப்பரிமாணக் கட்டமைப்புகளைக் கணிப்பதற்காக Zfold என அழைக்கப்படும் வகையில் இது மாற்றியமைக்கப்பட்டது. CASP15-natural, CASP16 மற்றும் RNA-Puzzles மதிப்பீடுகளில் இதன் செயல்திறன் AlphaFold3-க்கு இணையானது என ஆசிரியர்கள் தெரிவித்துள்ளனர்.
பயிற்சிக்குப் பிறகு structRFM-க்கு RNA வரிசையை மட்டும் உள்ளீடாக அளித்தால் போதும் என்பதே இதன் நடைமுறைப் பயன். மூலக்கூறு கட்டமைப்பைக் கணித்தல், RNA செயலாக்கத்தில் பங்குபெறும் இடங்களைக் கண்டறிதல், RNA மூலக்கூறுகளை அவற்றின் செயல்பாட்டின் அடிப்படையில் வகைப்படுத்துதல் உள்ளிட்ட பல பணிகளுக்கு ஆராய்ச்சியாளர்கள் பயன்படுத்தக்கூடிய தகவல்களை இது உருவாக்குகிறது.
கட்டமைப்பு குறித்த அறிவை வெவ்வேறு கணிப்புப் பணிகளிலும் பயனுள்ளதாக மாற்றும் வழியாக இந்தப் பணியை Nature-இல் வெளியான structRFM ஆய்வுக் கட்டுரை முன்வைக்கிறது. பெங் சியோங் மற்றும் எஸ். கெவின் ஜோ Zhou ஆகியோர் தொடர்புடைய ஆசிரியர்கள்; ஹெச்சின் சூ முதல் ஆசிரியர்.
வரிசைக்கு இணையாக மடிப்பும் ஏன் முக்கியம்
புரத உற்பத்தி, மரபணு ஒழுங்குபடுத்தல் மற்றும் மரபணுச் செய்திகளைச் செயலாக்குதல் ஆகியவற்றில் RNA பங்கேற்கிறது. அதன் வரிசை என்பது நியூக்ளியோடைடுகள் எனப்படும் மூலக்கூறு அலகுகளின் ஒழுங்காகும். இவை பொதுவாக A, U, C, G என்ற எழுத்துகளால் குறிக்கப்படுகின்றன. அந்த வரிசை தகவலைக் கொண்டுள்ளது; அதேவேளை, மூலக்கூறு மடங்கும் விதம் அதன் செயல்பாட்டைத் தீர்மானிக்க உதவுகிறது.
RNA இழையின் சில பகுதிகள் அதே இழையின் பிற பகுதிகளுடன் இணையாகலாம். இந்த இணைப்புகள் இரண்டாம் நிலைக் கட்டமைப்பை உருவாக்குகின்றன; அதில் இணைந்த பகுதிகள், தண்டுகள் மற்றும் வளையங்கள் இடம்பெறும். பின்னர் அந்த மூலக்கூறு முப்பரிமாண வடிவமாக மடங்குகிறது. இது மூன்றாம் நிலைக் கட்டமைப்பு எனப்படுகிறது; அதன் செயல்பாட்டையும் பிற மூலக்கூறுகளுடனான தொடர்புகளையும் இது பாதிக்கிறது.
பல RNA மொழி மாதிரிகள், மொழி மாதிரி சொற்களுக்கு இடையிலான தொடர்புகளைக் கற்பதைப் போலவே, பெருந்தொகையான வரிசைகளிலிருந்து வடிவங்களைக் கற்கின்றன. பயிற்சியின்போது எந்த நியூக்ளியோடைடுகள் ஒன்றுடன் ஒன்று இணைகின்றன என்ற தகவலை structRFM சேர்க்கிறது. இதனால் வரிசையில் வெகுதொலைவில் உள்ள நிலைகளுக்கு இடையிலான தொடர்புகளைக் கற்க அது உதவுகிறது.
பல நோக்கங்களுக்கு ஏற்றவாறு மாற்றியமைக்கக்கூடிய, பரந்த அளவில் பயிற்றுவிக்கப்பட்ட அமைப்பான அடிப்படை மாதிரியின் நெகிழ்வுத்தன்மையைப் பேணுவதே ஆராய்ச்சியாளர்களின் நோக்கமாக இருந்தது. ஒரே கட்டமைப்புப் பணிக்கு மட்டும் பயன்படும் அமைப்பைப் பயிற்றுவிப்பதற்குப் பதிலாக, மடிப்பு தொடர்பான தகவலைப் பொதுவான அடித்தளத்தில் இணைக்க அவர்கள் முயன்றனர்.
2.1 கோடி பயிற்சி இணைகள் எவ்வாறு தொகுக்கப்பட்டன
சுமார் 2.1 கோடி RNA வரிசை மற்றும் இரண்டாம் நிலைக் கட்டமைப்பு இணைகளைக் கொண்ட தரவுத்தொகுப்பை ஆய்வுக் குழு உருவாக்கியது. கட்டமைப்புக் குறியீடுகள் கணினி வழியாக உருவாக்கப்பட்டன. இதனால் ஆய்வகச் சோதனைகளில் மட்டும் தீர்மானிக்கப்பட்ட கட்டமைப்புகளைக் கொண்ட தொகுப்பைவிடப் பல மடங்கு பெரிய அளவில் ஆராய்ச்சியாளர்கள் பயிற்றுவிக்க முடிந்தது.
கணினிக் கணிப்புகளில் பிழைகள் இருக்கலாம்; அவற்றை உருவாக்கிய முறையின் பலம், பலவீனங்களும் அவற்றில் பிரதிபலிக்கலாம். ஒரே கணிப்புக் கருவியைச் சார்ந்திருப்பதைக் குறைக்க, பல மூலங்களிலிருந்து இரண்டாம் நிலைக் கட்டமைப்பைக் கணிக்கும் MUSES என்ற ஒருங்கிணைந்த முறையை ஆராய்ச்சியாளர்கள் அறிமுகப்படுத்தினர். ஒரே மூலத்தை முழுமையாகச் சார்ந்திருப்பதற்குப் பதிலாக, பல கணிப்பு மூலங்களின் தகவல்களை ஒருங்கிணைப்பதே இந்த முறை.
கணிக்கப்பட்ட கட்டமைப்புகளைக் கொண்டு மாதிரிகளுக்குப் பயிற்சி அளிப்பதில் உள்ள முக்கியச் சிக்கலை MUSES கையாள்கிறது: பயிற்சிக் குறியீடுகளில் மீண்டும் மீண்டும் இடம்பெறும் பிழைகள், மாதிரி கற்பதை வடிவமைக்கக்கூடும். கட்டமைப்புக் கணிப்புகளை ஒருங்கிணைப்பதன் மூலம், அடிப்படை இணைப்புகள் குறித்த பயனுள்ள தகவலைத் தக்கவைத்துக்கொண்டு, கணிப்புக் கருவியின் சார்பைக் குறைப்பதே இதன் நோக்கம்.
ஆய்வின் பயிற்சி மற்றும் மதிப்பீட்டு வளங்கள் RNAcentral, Rfam, Protein Data Bank உள்ளிட்ட நிறுவப்பட்ட உயிரியல் தரவுத் தொகுப்புகளைப் பயன்படுத்துகின்றன. சோதனைகளில் பயன்படுத்தப்பட்ட தரவுத்தொகுப்புகளின் மூலத்தை ஆராய்ச்சியாளர்கள் கண்டறிய உதவும் வகையில், RNAcentral பதிப்பு 24.0, Rfam பதிப்புகள் 14.10 மற்றும் 15.0 உள்ளிட்ட தொடர்புடைய பதிப்புகளைத் தரவுக் குறிப்பு குறிப்பிடுகிறது.
மறைக்கப்பட்ட தகவலைக் கொண்டு மாதிரிக்குப் பயிற்சி அளித்தல்
structRFM, மறைக்கப்பட்ட மொழி மாதிரியாக்கத்தைப் பயன்படுத்துகிறது. இதில் உள்ளீட்டின் சில பகுதிகள் மறைக்கப்பட்டு, சுற்றியுள்ள சூழலைக் கொண்டு விடுபட்ட தகவலை மீட்டறிய மாதிரி பயிற்றுவிக்கப்படுகிறது. RNA-வைப் பொறுத்தவரை, இது சொற்களுக்கு இடையிலான தொடர்புகளுக்குப் பதிலாக நியூக்ளியோடைடுகளுக்கு இடையிலான தொடர்புகளைக் கற்பதாகும்.
இணை பொருத்தச் செயல்பாட்டின் மூலம் அடிப்படை இணைப்புகளை இந்தச் செயல்முறையில் ஆய்வுக் குழு இணைத்தது. கட்டமைப்பு இணைப்புகளின் வழிகாட்டுதலுடன் நடைபெறும் பயிற்சிக்கும், தனித்தனி நியூக்ளியோடைடு நிலைகளில் மறைத்துப் பயிற்றுவிப்பதற்கும் இடையே மாறும் மறைப்பு விகிதம் சமநிலையை ஏற்படுத்துகிறது. இதன் மூலம் உள்ளூர் வரிசை வடிவங்களையும் மடிப்புடன் தொடர்புடைய இணைப்புகளையும் மாதிரி கற்க வாய்ப்பு கிடைக்கிறது.
இதன் விளைவாக உருவாகும் மாதிரி மூன்று வகையான அம்சங்களை வழங்குகிறது: முழு வரிசை பற்றிய தகவல், ஒவ்வொரு நியூக்ளியோடைடு பற்றிய தகவல், நியூக்ளியோடைடு இணைகள் பற்றிய தகவல். அம்சம் என்பது மற்றொரு கணிப்பு அமைப்பு பயன்படுத்தக்கூடிய எண் வடிவிலான பிரதிநிதித்துவம் ஆகும். வெவ்வேறு பணிகள் அந்தப் பிரதிநிதித்துவத்தின் வெவ்வேறு நிலைகளிலிருந்து தகவலைப் பெறலாம்.
ஒரு மாதிரியின் பகுதிகளை நீக்குவது அல்லது மாற்றுவது அதன் பங்களிப்பைச் சோதிக்கும் நீக்கச் சோதனைகளையும் ஆராய்ச்சியாளர்கள் மேற்கொண்டனர். கட்டமைப்புத் தகவலும் மறைப்பு உத்தியும் அறிக்கையிடப்பட்ட மேம்பாடுகளுக்குப் பங்களித்ததை இந்தச் சோதனைகள் உறுதிப்படுத்தின. structRFM-இன் வடிவமைப்புத் தேர்வுகளுக்கு இது ஆதாரமளிக்கிறது.
கட்டமைப்புச் சோதனைகளில் கிடைத்த முடிவுகள்
பயிற்சியின்றி நேரடியாகச் செய்யப்படும் ஒத்தமைவு வகைப்பாட்டில் structRFM சிறப்பாகச் செயல்பட்டது. ஒத்தமைவு என்பது பொதுவான பரிணாமத் தோற்றத்திலிருந்து மரபாகப் பெறப்பட்ட தொடர்புகளைக் குறிக்கிறது. இலக்கு வகைப்பாட்டுப் பணிக்காகத் தனியாகப் பயிற்சி அளிக்காமல், கற்ற பிரதிநிதித்துவங்கள் இத்தகைய தொடர்புகளை அடையாளம் காண எவ்வளவு பயனுள்ளதாக உள்ளன என்பதை இந்தச் சூழலில் நேரடிப் பயன்பாட்டு வகைப்பாடு சோதிக்கிறது.
இரண்டாம் நிலைக் கட்டமைப்புக் கணிப்பிலும் மேம்பாடு ஏற்பட்டதாகவும், புதிதாக வெளியிடப்பட்ட RNA குடும்பங்களில் சிறப்பாகச் செயல்பட்டதாகவும் ஆசிரியர்கள் தெரிவிக்கின்றனர். பொதுவான வரிசை அல்லது கட்டமைப்பு அம்சங்களைக் கொண்ட தொடர்புடைய மூலக்கூறுகளின் தொகுப்பே RNA குடும்பம். புதிதாக வெளியிடப்பட்ட குடும்பங்களில் சோதிப்பது, ஏற்கெனவே உள்ள தரவுத்தொகுப்புகளில் இடம்பெற்ற பரிச்சயமான குழுக்களுக்கு அப்பால் மாதிரி எவ்வாறு செயல்படுகிறது என்பதை ஆராய்கிறது.
மூன்றாம் நிலைக் கட்டமைப்பைக் கணிக்க, structRFM கற்ற அம்சங்களைப் பயன்படுத்தி முப்பரிமாண வடிவங்களைக் கணிக்கும் மாதிரியாக Zfold-ஐ ஆய்வுக் குழு உருவாக்கியது. கணிக்கப்பட்ட வடிவங்களிலும், அந்தக் கணிப்புகளிலிருந்து பெறப்பட்ட இரண்டாம் நிலைக் கட்டமைப்புகளிலும் மேம்பாடு ஏற்பட்டதாக ஆசிரியர்கள் தெரிவிக்கின்றனர்.
மூலக்கூறு கட்டமைப்புக் கணிப்பை மதிப்பிடப் பயன்படுத்தப்படும் CASP15-natural, CASP16 மற்றும் RNA-Puzzles ஆகிய தரநிலைச் சோதனைத் தொகுப்புகளில் Zfold மதிப்பீடு செய்யப்பட்டது. அந்த மதிப்பீடுகள் அனைத்திலும் அதன் செயல்திறன் AlphaFold3-க்கு இணையானது என ஆய்வுக் கட்டுரை விவரிக்கிறது. இந்த ஒப்பீடு, பெயரிடப்பட்ட அந்தத் தரநிலைச் சோதனைகளில் Zfold பெற்ற முடிவுகளைப் பற்றியது; அடிப்படை RNA பிரதிநிதித்துவங்களை structRFM வழங்குகிறது.
ஒவ்வொரு பயன்பாட்டையும் உள்ளடக்கும் ஒரே துல்லிய மதிப்பெண்ணாக அல்லாமல், பல வகையான வெற்றிகளை இந்த ஆய்வு முன்வைக்கிறது. தொடர்புடைய வரிசைகளை அடையாளம் காணுதல், அடிப்படை இணைகளைக் கணித்தல், முப்பரிமாண வடிவத்தை மீளமைத்தல் ஆகியவை வெவ்வேறு சிக்கல்கள். ஒவ்வொன்றுக்கும் தனித்த மதிப்பீடு தேவை.
RNA செயலாக்கத்திலிருந்து செயல்பாட்டு வகைப்பாடு வரை
RNA என்ன செய்கிறது என்பதை ஆராயும் பணிகளிலும் structRFM சோதிக்கப்பட்டது. இதில் ஸ்பிளைஸ் தளங்களைக் கணித்தல், உள் ரைபோசோம் நுழைவுத் தளங்களை அடையாளம் காணுதல், குறியீடற்ற RNA-களை வகைப்படுத்துதல் ஆகியவை அடங்கின. இதன் மூலம் மூலக்கூறு வடிவத்துக்கு அப்பாலும் மதிப்பீடு விரிவடைந்தது.
செல்கள் RNA செய்திகளைச் செயலாக்கும்போது பயன்படுத்தும் எல்லைகளைக் ஸ்பிளைஸ் தளங்கள் குறிக்கின்றன. ஸ்பிளைசிங்கின்போது, தேர்ந்தெடுக்கப்பட்ட பகுதிகள் நீக்கப்பட்டு மீதமுள்ள பகுதிகள் இணைக்கப்படுகின்றன. இந்த எல்லைகளைக் கணிப்பது, ஒரு மரபணுச் செய்தி புரதம் உருவாக்கப் பயன்படுத்தப்படுவதற்கு முன்பு எவ்வாறு தொகுக்கப்படுகிறது என்பதை ஆராய்ச்சியாளர்கள் ஆய்வு செய்ய உதவுகிறது.
உள் ரைபோசோம் நுழைவுத் தளங்கள் அல்லது IRES கூறுகள், புரதங்களை உருவாக்கும் செல்லின் இயந்திர அமைப்பு, மொழிபெயர்ப்பை உள்பகுதியிலிருந்து தொடங்க அனுமதிக்கும் RNA பகுதிகளாகும். இவற்றை அடையாளம் காண வரிசையிலுள்ள செயல்பாட்டு வடிவங்களை அறிய வேண்டும். எனவே, முன்பயிற்சியின்போது கற்ற தகவலைச் சோதிக்கும் மற்றொரு பணியாக இது அமைகிறது.
குறியீடற்ற RNA-கள், புரத உற்பத்திக்கான வார்ப்புருக்களாகச் செயல்படுவதைத் தவிர பிற பணிகளையும் செய்கின்றன. அவற்றை வகைப்படுத்துவது என்பது மூலக்கூறுகளைப் பொருத்தமான குழுக்களுக்கு ஒதுக்குவதாகும். இந்தச் செயல்பாட்டுப் பணிகளில் மேம்பட்ட செயல்திறன் கிடைத்ததாக ஆசிரியர்கள் தெரிவிக்கின்றனர். கணிப்பின் இலக்கு கட்டமைப்பிலிருந்து உயிரியல் பங்காக மாறினாலும், கற்ற பிரதிநிதித்துவங்கள் பயனுள்ளதாக இருந்ததை இது காட்டுகிறது.
பிரிவாக்க உத்தியைக் கொண்டு நீண்ட குறியீடற்ற RNA வகைப்பாட்டுக்கும் ஆய்வுக் குழு மாதிரியை விரிவுபடுத்தியது. நீண்ட வரிசையைப் பகுதிகளாகப் பிரிப்பதால், ஒரே அலகாகச் செயலாக்குவது கடினமாக இருக்கும் உள்ளீடுகளுக்கும் மாதிரியைப் பயன்படுத்த முடிகிறது.
திறந்த வெளியீடு ஆராய்ச்சியாளர்களுக்கு வழங்குவது
வெவ்வேறு பயன்பாடுகளைக் கொண்ட மூன்று வளங்களை இந்த வெளியீடு உள்ளடக்குகிறது. கற்றலுக்குப் பயன்படுத்தப்பட்ட எடுத்துக்காட்டுகளைத் தரவுத்தொகுப்பு வழங்குகிறது. பயிற்சியின்போது கற்ற எண் மதிப்புகள் மாதிரி எடைகளில் உள்ளன. மென்பொருள் எவ்வாறு செயல்படுத்தப்பட்டு இயக்கப்படுகிறது என்பதை மூலக் குறியீடு விவரிக்கிறது.
மாதிரி எடைகளை அணுகுவதன் மூலம், முழு முன்பயிற்சியையும் மீண்டும் செய்யாமல் ஏற்கெனவே பயிற்றுவிக்கப்பட்ட மாதிரியைக் கொண்டு ஆராய்ச்சியாளர்கள் பணியாற்றலாம். தரவையும் குறியீட்டையும் அணுகுவது, பயிற்சி நடைமுறையை விரிவாக ஆராயவும், சோதனைகளை மீண்டும் செய்யவும், மாற்று அணுகுமுறைகளை உருவாக்கவும் உதவுகிறது.
GitHub-இல் heqin-zhu/structRFM என்ற திட்டக் களஞ்சியத்தை ஆய்வுக் கட்டுரை குறிப்பிடுகிறது. முன்பயிற்சித் தரவுத்தொகுப்புக்கு DOI 10.5281/zenodo.18272040 கொண்ட Zenodo காப்பகத்தையும், மூலக் குறியீடு மற்றும் மாதிரிச் சோதனைச் சாவடிகளுக்கு DOI 10.5281/zenodo.18274292 கொண்ட காப்பகத்தையும் அது பட்டியலிடுகிறது. ஆய்வு வளத்தை நீண்டகாலம் கண்டறியக்கூடியதாக வைத்திருக்க உதவும் நிலையான அடையாள எண் DOI ஆகும்.
பயிற்சி மற்றும் சோதனைத் தரவுத்தொகுப்புகள் திட்டக் களஞ்சியத்தில் பொதுவில் கிடைப்பதாகத் தரவுக் குறிப்பு தெரிவிக்கிறது. ஆய்வில் பயன்படுத்தப்பட்ட செயலாக்கப்பட்ட IRES பிரிவையும், படங்களுக்கான மூலத் தரவையும் அது வழங்குகிறது. தரவுகள் கிடைப்பதற்கு எந்தக் கட்டுப்பாடும் இல்லை என்று ஆசிரியர்கள் கூறுகின்றனர்.
ஒப்பீடுகளுக்கு இந்த விவரங்கள் முக்கியம். எந்தத் தரவுத்தொகுப்புகளும் பிரிவுகளும் பயன்படுத்தப்பட்டன என்பதை ஆராய்ச்சியாளர்கள் ஆய்வு செய்யலாம், மதிப்பீடுகளை மீண்டும் நடத்தலாம், பயிற்சியில் வேறு தேர்வுகளைச் செய்தால் முடிவுகள் மாறுகின்றனவா எனச் சோதிக்கலாம். எனவே, இந்த வெளியீடு மாதிரியை மறுபயன்படுத்துவதோடு மட்டுமல்லாமல், கண்டறிவுகளையும் ஆய்வுக்கு உட்படுத்த உதவுகிறது.
ஆய்வுக் குழுவும் வெளியீட்டுக் காலவரிசையும்
USTC-யின் உயிர்மருத்துவப் பொறியியல் பள்ளி மற்றும் MIRACLE என அழைக்கப்படும் மருத்துவப் படமெடுத்தல், ரோபோட்டிக்ஸ், பகுப்பாய்வுக் கணினியியல் மற்றும் கற்றல் ஆய்வகம் ஆகியவற்றின் வழியாக இந்தப் பணி முன்னெடுக்கப்பட்டது. ஹெஃபேயில் உள்ள நிறுவனங்களிலும், USTC-யின் சுஜோ மேம்பட்ட ஆய்வு நிறுவனத்திலும் ஆசிரியர்கள் பணியாற்றுவதாகக் குறிப்பிடப்பட்டுள்ளது. இணை ஆசிரியர் ருஃபெங் லி, ஹாங்சோவில் உள்ள ஜெஜியாங் பல்கலைக்கழகத்தின் கணினி அறிவியல் மற்றும் தொழில்நுட்பக் கல்லூரியுடன் இணைந்தவர்.
பேராசிரியரான Zhou மற்றும் சிறப்பு ஆய்வுக் கூட்டாளரான Xiong ஆகியோர் ஆய்வைத் திட்டமிட்டு மேற்பார்வையிட்டனர். Zhu கட்டமைப்பை வடிவமைத்து செயல்படுத்தினார்; முன்பயிற்சி, பல கட்டமைப்புக் கணிப்பு மற்றும் RNA வகைப்பாட்டுச் சோதனைகளை நடத்தி முடிவுகளைப் பகுப்பாய்வு செய்தார். ஆய்வுக் குழுவின் பிற உறுப்பினர்கள் ஒத்தமைவுச் சோதனை, தரவுத்தொகுப்பு ஒப்பீடுகள், IRES அடையாளம் காணுதல் மற்றும் கட்டமைப்பு மதிப்பீடு ஆகியவற்றில் பணியாற்றினர்.
ஆய்வின் வெளியீடும் பொதுவெளி அறிமுகமும் இரண்டு வெவ்வேறு நாள்காட்டித் தேதிகளில் இடம்பெற்றன:
- 2026 நவம்பர் 4: “பொதுமைப்படுத்தக்கூடிய கணிப்புக்கான திறந்த கட்டமைப்பு வழிகாட்டிய RNA அடிப்படை மாதிரி” என்ற ஆய்வுக் கட்டுரை வெளியிடப்பட்டதாக Nature குறிப்பிடுகிறது.
- 2026 நவம்பர் 5: ஆய்வும் அதன் திறந்த வெளியீடும் சீனாவில் பொதுவெளியில் அறிமுகப்படுத்தப்பட்டன; இணையவழி வெளியீடு அதிகாலை நேரத்தில் இடம்பெற்றதாக விவரிக்கப்பட்டது.
சீனாவின் தேசிய இயற்கை அறிவியல் அறக்கட்டளை, தேசிய முக்கிய ஆராய்ச்சி மற்றும் மேம்பாட்டுத் திட்டம், ஜியாங்சு மற்றும் சுஜோவின் ஆராய்ச்சித் திட்டங்கள், ஷென்செனில் உள்ள சான்மிங் மருத்துவத் திட்டம் ஆகியவற்றிலிருந்து நிதியுதவி கிடைத்ததாக ஆசிரியர்கள் தெரிவிக்கின்றனர். போட்டியிடும் நலன்கள் எதுவும் இல்லை என்றும் அவர்கள் அறிவித்துள்ளனர்.
RNA ஆராய்ச்சியில் இந்த முடிவுகள் ஏற்படுத்தும் மாற்றம்
பல ஆராய்ச்சிப் பணிகளுக்குப் பொதுவான தொடக்கப் புள்ளியை structRFM வழங்குகிறது. RNA செயலாக்கத்தை ஆராயும் ஆய்வகம் பயன்படுத்தும் அதே அடிப்படை மாதிரியை, மற்றொரு குழு மடிப்பை ஆய்வு செய்யவோ குறியீடற்ற மூலக்கூறுகளை வகைப்படுத்தவோ மாற்றியமைக்கலாம். ஒவ்வொரு பயன்பாட்டுக்கும் தனித்த பணி சார்ந்த மேம்பாடும் மதிப்பீடும் இன்னும் தேவை.
2.1 கோடி பயிற்சி இணைகள், கட்டமைப்பு வழிகாட்டிய கற்றல், வெளியிடப்பட்ட மாதிரிச் சோதனைச் சாவடிகள் ஆகியவற்றின் சேர்க்கை, அல்காரிதத்தின் விளக்கத்தை மட்டும் அளிப்பதற்குப் பதிலாக, ஆராய்ச்சியாளர்கள் நேரடியாக ஆராயக்கூடிய அமைப்பை வழங்குகிறது. MUSES மற்றும் மறைப்பு தொடர்பான சோதனைகள், பிற குழுக்கள் சோதிக்கவோ மாற்றியமைக்கவோ கூடிய குறிப்பிட்ட வடிவமைப்புத் தேர்வுகளையும் வழங்குகின்றன.
அறிக்கையிடப்பட்ட முடிவுகள் கணினி வழிக் கணிப்பு மற்றும் வகைப்பாட்டை மையமாகக் கொண்டுள்ளன. உயிர்மருத்துவப் பயன்பாடுகளை நோக்கிய பணிகளுக்கு, கணிக்கப்பட்ட கட்டமைப்புகளைச் சரிபார்ப்பது, குறிப்பிட்ட RNA மூலக்கூறுகளுக்கு ஒதுக்கப்பட்ட செயல்பாடுகளைச் சோதிப்பது உள்ளிட்ட கூடுதல் உயிரியல் சோதனைகள் தேவைப்படும்.
மருத்துவப் பயன்பாட்டுக்கான கால அட்டவணையை ஆய்வுக் கட்டுரை குறிப்பிடவில்லை. உடனடியாக ஏற்பட்டுள்ள மாற்றம் அணுகல் வசதிதான்: உலகெங்கும் உள்ள ஆராய்ச்சியாளர்கள் பயிற்சி வளங்களைப் பெறலாம், செயலாக்கத்தை ஆய்வு செய்யலாம், தங்கள் RNA தரவுத்தொகுப்புகளிலும் அறிக்கையிடப்பட்ட மேம்பாடுகள் தொடர்கின்றனவா என ஆராயலாம்.
முக்கிய அம்சங்கள்
- USTC ஆராய்ச்சியாளர்கள், சுமார் 2.1 கோடி வரிசை மற்றும் இரண்டாம் நிலைக் கட்டமைப்பு இணைகளைக் கொண்டு பயிற்றுவிக்கப்பட்ட RNA அடிப்படை மாதிரியான structRFM-ஐ வெளியிட்டுள்ளனர்.
- இந்த மாதிரி வரிசை வடிவங்களையும் அடிப்படை இணைப்புகளையும் கற்றுக்கொண்டு, வரிசையை மட்டும் உள்ளீடாகப் பெற்றுப் பயன்படக்கூடிய அம்சங்களை உருவாக்குகிறது.
- MUSES கட்டமைப்புக் கணிப்பு மூலங்களை ஒருங்கிணைக்கிறது; மாறும் மறைப்பு முறை பயிற்சியின்போது கட்டமைப்புத் தகவலுக்கும் நியூக்ளியோடைடு தகவலுக்கும் இடையே சமநிலையை ஏற்படுத்துகிறது.
- ஒத்தமைவு வகைப்பாட்டில் சிறப்பான செயல்திறனும், புதிதாக வெளியிடப்பட்ட RNA குடும்பங்கள் உட்பட இரண்டாம் நிலைக் கட்டமைப்புக் கணிப்பில் மேம்பாடும் கிடைத்ததாக ஆசிரியர்கள் தெரிவிக்கின்றனர்.
- மூன்றாம் நிலைக் கட்டமைப்புக் கணிப்புக்கான மாற்றியமைப்பான Zfold, பெயரிடப்பட்ட மூன்று தரநிலைச் சோதனைத் தொகுப்புகளில் AlphaFold3-க்கு இணையான செயல்திறனைப் பெற்றதாக விவரிக்கப்பட்டுள்ளது.
- தரவுத்தொகுப்பு, மாதிரி எடைகள், மூலக் குறியீடு மற்றும் மதிப்பீட்டு வளங்கள் மறுபயன்பாட்டுக்கும் மீளுருவாக்கத்துக்கும் பொதுவில் கிடைக்கின்றன.
