[论文解读] SentRNA: Improving computational RNA design by incorporating a prior of human design strategies

Jade Shi, Rhiju Das+1 more|arXiv (Cornell University)|Mar 8, 2018

RNA and protein synthesis mechanisms参考文献 16被引用 15

一句话总结

SentRNA 提出了一种深度学习方法，通过在 EteRNA 游戏中人类设计的 RNA 序列上训练全连接神经网络，提升了计算 RNA 设计的性能。通过将人类设计策略作为先验，SentRNA 在此前机器算法无法解决的复杂 RNA 目标上实现了最先进性能，表明人类直觉可显著增强机器学习在 RNA 设计中的表现。

ABSTRACT

Solving the RNA inverse folding problem is a critical prerequisite to RNA design, an emerging field in bioengineering with a broad range of applications from reaction catalysis to cancer therapy. Although significant progress has been made in developing machine-based inverse RNA folding algorithms, current approaches still have difficulty designing sequences for large or complex targets. On the other hand, human players of the online RNA design game EteRNA have consistently shown superior performance in this regard, being able to readily design sequences for targets that are challenging for machine algorithms. Here we present a novel approach to the RNA design problem, SentRNA, a design agent consisting of a fully-connected neural network trained end-to-end using human-designed RNA sequences. We show that through this approach, SentRNA can solve complex targets previously unsolvable by any machine-based approach and achieve state-of-the-art performance on two separate challenging test sets. Our results demonstrate that incorporating human design strategies into a design algorithm can significantly boost machine performance and suggests a new paradigm for machine-based RNA design.

研究动机与目标

• 为解决使用机器学习设计复杂或大尺寸 RNA 序列的长期挑战。
• 利用来自 EteRNA 游戏的人类设计 RNA 序列作为有效设计策略的来源。
• 开发一种从人类直觉中学习的机器学习模型，以提升在困难 RNA 逆折叠问题上的表现。
• 证明将人类设计先验纳入模型可显著超越当前最先进方法，提升计算 RNA 设计性能。

提出的方法

• 在从 EteRNA 在线游戏收集的人类设计 RNA 序列数据集上，端到端训练一个全连接神经网络。
• 模型通过学习人类设计模式，学会将 RNA 二级结构目标映射为稳定且功能性的 RNA 序列。
• 训练过程使用可微分的损失函数，评估序列稳定性和目标结构保真度。
• 该方法将 RNA 设计视为序列到结构的生成问题，网络学习生成能折叠成期望结构的序列。
• 模型在两个具有挑战性的测试集上进行评估，包括此前难以处理的目标。
• 人类设计策略通过数据分布隐式编码，无需显式规则工程。

实验结果

研究问题

• RQ1 人类设计的 RNA 序列能否作为有效先验，提升机器学习模型在 RNA 设计中的表现？
• RQ2 在人类设计数据上训练的神经网络能否在复杂或大尺寸 RNA 目标上超越现有基于机器的 RNA 设计算法？
• RQ3 当人类设计策略被编码进深度学习模型时，其在提升预测 RNA 序列稳定性和准确性方面能达到何种程度？
• RQ4 基于数据驱动的方法结合人类直觉，能否超越纯粹基于算法或物理的 RNA 设计方法？

主要发现

• SentRNA 成功设计出此前任何基于机器的方法都无法解决的 RNA 目标序列。
• 该模型在两个具有挑战性的测试集上实现了最先进性能，优于现有的计算 RNA 设计方法。
• 通过学习人类设计序列，SentRNA 捕捉到了传统算法难以显式编码的非平凡设计策略。
• 将人类设计先验纳入模型，显著提升了模型生成复杂二级结构稳定且功能性 RNA 序列的能力。