外媒体：该AI系统可以设计RNA

RNA或核糖核酸存在于所有活细胞中。它充当信使，携带来自DNA（脱氧核糖核酸）的指令，其指示如何合成体内的蛋白质。当它不能正常工作时，它会严重影响神经，心血管和肌肉的调节过程，导致肿瘤，胰岛素抵抗和运动技能障碍等影响。

这就是为什么弗莱堡大学计算机科学系的研究人员开发出一种人工智能系统 - LEARNA--可以学习设计用于研究的RNA分子。本周在预印本服务器Arxiv.org上发表的一篇新论文（“ 学习设计RNA ”）中对此进行了描述。

“设计RNA分子最近引起了人们对医学，合成生物学，生物技术和生物信息学的兴趣，因为许多功能性RNA分子被证明参与了转录，表观遗传学和翻译的调控过程，”研究人员写道。“在这里，我们提出了一种新的RNA设计问题算法。”

上图：RNA设计问题的说明。

正如论文作者所解释的，RNA的功能取决于其结构特性。真正的挑战 - 有时被描述为RNA逆折叠 - 是识别RNA中的模式和序列，使其折叠成特定的结构。

研究人员的方法依赖于深度强化学习（RL）算法 - 一种人工智能（AI）训练技术，该技术使用奖励来驱动代理人实现目标 - 训练可以顺序预测整个RNA序列的策略网络。它生成此序列，折叠它，并使用从结果结构到目标结构的距离作为AI代理的信号。

同时，LEARNA的第二个版本 - 恰当地称为Meta-LEARNA--在许多RNA设计问题中学习单一策略，这些问题直接适用于新的RNA设计问题。也就是说，它学习了一个量身定制的生成模型，通过选择放置核苷酸（RNA和DNA的化学构建块）的动作来构建RNA序列样本，用于给定的RNA靶结构。

“据我们所知，这是架构搜索的第一个应用......对于RL [和] [架构搜索]在元学习中的第一个应用，”研究人员写道。

在具有20个处理器核心的机器上对8,000种不同RNA目标结构进行元学习一小时后，Meta-LEARNA成功解决了Eterna100基准测试中高达65％的目标结构。（Eterna100，对于不熟悉的人来说，是由Eterna的玩家创建的100个目标结构的集合，这是一个在线开放实验室，可以让玩家创建折叠到特定结构的序列。）此外，它只需要90秒即可达到与之相同的效果任何其他方法，并在三分钟内达到最先进的性能。

同时，在另一个基准--Rfam-Taneda - Meta-LEARNA在10秒内产生了与最先进方法一样好的结果，并在1分钟后超过了这些方法的准确性。

结果 - 与谷歌母公司DeepMind 今年早些时候的蛋白质折叠AlphaFold系统所取得的结果非常相似- 预示着RNA生物学的未来工作。

研究人员写道：“全面的实证结果......表明我们的方法在所有基准测试中都达到了新的最先进的性能，同时在达到先前的最先进性能方面也达到了更快的数量级。”