面向 RNA 家族的简约生成建模

生成式概率模型正作为一种数据驱动、演化信息指导的生物分子序列设计新范式而出现。本文介绍了一种称为边激活直接耦合分析(eaDCA)的新方法,该方法针对 RNA 序列的特性量身定制,高度重视简洁性、高效性和可解释性。eaDCA 为 RNA 家族显式构建稀疏共演化模型,在利用显著更少参数的同时,达到了与更复杂方法相当的性能水平。我们的方法在生成人工 RNA 序列方面表现出高效性,这些序列在统计分析和 SHAPE-MaP 实验中均与其天然对应物高度相似,并且能预测突变效应。值得注意的是,eaDCA 提供了一个独特功能:估计给定 RNA 家族中潜在功能序列的数量。例如,对于环二腺苷酸核糖开关(RF00379),我们的分析表明存在约 $\mathbf{10^{39}}$ 个功能核苷酸序列。尽管与已知的 $< \mathbf{4,000}$ 个天然序列相比极为庞大,该数字仅占相同长度(136 个核苷酸)的近 $\mathbf{10^{82}}$ 个可能核苷酸序列这一巨大集合的极小部分。这些结果凸显了诸如 eaDCA 这类稀疏且可解释的生成模型在增进我们对广阔 RNA 序列空间理解方面的前景。