CMU 연구원이 개발한 기계 학습 방법으로 진화의 기본 측면 조명

카네기멜론대학교(Carnegie Mellon University) 전산생물학과(opens in new window)(CBD) 연구진은 종의 특정 특성이 어떻게 진화했는지 이해하는 데 중요한 게놈 부분을 식별하는 새로운 방법을 개발했습니다.

Science(opens in new window)에 게재되고 컴퓨터 과학부 조교수인 Andreas Pfenning(opens in new window)이 이끄는 이 연구는 전체 게놈 서열을 분석하려는 노력인 Zoonomia 프로젝트(opens in new window)에 기여하고 있습니다. 240종의 포유류를 통해 인간의 건강을 보호하고 생물다양성을 보존하는 데 중요한 영향을 미치는 유전자와 특성의 근본적인 측면을 밝힙니다. 이러한 새로운 대규모 데이터 세트를 이해하려면 최신 인공 지능(AI) 및 기계 학습(ML) 기술이 필요합니다.

코딩 DNA로 알려진 게놈의 특정 부분은 세포 기능의 필수 조절자인 단백질 생산에 대한 지침을 제공합니다. 시간이 지남에 따라 DNA 코딩이 단백질 생산을 제공하는 지침에 약간의 차이가 발생하여 진화의 원동력 중 하나가 됩니다.

그러나 이러한 단백질을 생산하는 DNA 조각은 인간 게놈을 구성하는 30억 개의 뉴클레오티드 쌍 중 1%에 불과합니다. 인핸서(enhancer)로 알려진 다른 비암호화 DNA 영역은 특정 유전자가 활성화되는 시기와 위치를 결정합니다. CMU 팀은 이러한 영역이 어떻게 작동하는지 자세히 알아보기 위해 TACIT(Tissue-Aware Conservation Inference Toolkit)라는 ML 접근 방식을 만들었습니다. 전통적인 진화 모델은 유전자 그룹의 일련의 돌연변이를 통해 종의 뇌 크기 변화를 보여줄 수 있지만, 인핸서는 단순히 유전자를 켜거나 끄고 동일한 결과를 얻을 수 있습니다.

포유류의 진화에 관한 대부분의 연구는 수백만 년 동안 비교적 거의 변하지 않은 게놈 부분에 초점을 맞추고 있습니다. 이렇게 보존된 영역, 특히 유전자는 개별 종의 고유한 특성을 강조하는 포유류 DNA의 기본 요소에 대한 통찰력을 제공합니다.

Pfenning과 그의 팀이 직면한 과제는 시간이 지남에 따라 DNA 인핸서 영역의 순서는 변할 수 있지만 기능은 변할 수 없다는 것입니다. 예를 들어, 잘 연구된 Islet Enhancer(opens in new window)는 7억년 이상의 진화에도 불구하고 인간, 생쥐, 얼룩말 물고기 및 해면에서 유사한 패턴으로 유전자 수준을 조절합니다. 이로 인해 개별 뉴클레오티드를 검사하는 전통적인 방법을 사용하여 식별하고 추적하기가 훨씬 더 어려워졌습니다.

TACIT는 인핸서가 특정 세포 유형이나 조직에서 활성화되는지 여부를 정확하게 예측하여 이 문제에 직면합니다. 이를 통해 과학자들은 새로운 실험실 실험을 수행하지 않고도 새로 배열된 게놈에서 이러한 중요한 인핸서 영역을 식별할 수 있으며 보존 생물학에 잠재적인 응용 가능성을 제공합니다. 툴킷은 통제된 실험실 실험이 불가능한 멸종 위기에 처해 있거나 멸종 위기에 처한 종에서 인핸서가 어떻게 기능하는지 예측할 수 있습니다.

"TACIT는 큰돌고래와 심각한 멸종위기종인 검은코뿔소와 같이 일차 조직 샘플을 얻을 수 없는 종의 유전자 외부 게놈 부분의 기능을 예측할 수 있는 전례 없는 기회를 제공합니다."라고 Irene Kaplow가 말했습니다. 논문과 CBD의 박사후 연구원 및 Lane Fellow. "특정 세포 유형에서 인핸서를 식별하는 ML 방법과 방법이 향상됨에 따라 TACIT의 기능을 확장하여 포유류 진화에 대한 새로운 종류의 통찰력을 제공할 수 있을 것으로 기대합니다."

연구팀은 240종의 포유류에 걸쳐 게놈 서열의 기능을 예측한 후 TACIT를 적용해 포유류에서 더 큰 뇌로 진화한 게놈 부분을 식별했고, 그 부분이 인간의 뇌와 관련된 돌연변이가 있는 유전자 근처에 있는 경향이 있음을 발견했습니다. 크기 장애. 그들은 또한 뉴런의 특정 하위 유형인 파발부민 양성 억제 개재뉴런에 특정한 포유류 전반의 사회적 행동과 관련된 강화제를 확인했습니다.