Una IA identifica patrones de ARN no anotados en genomas microbianos

En los genomas de bacterias y virus hay muchas secuencias cuya función todavía no se conoce. Una parte importante no fabrica proteínas, pero puede intervenir en el modo en que una célula regula sus genes, reconoce invasores o copia su material genético. Un equipo de Estados Unidos presentó ahora una herramienta de inteligencia artificial que busca esas pistas en el ADN y encontró familias de ARN y secuencias repetidas que no estaban anotadas.

El sistema, llamado Minerva, usa un modelo de lenguaje genómico: una técnica que trata las letras del ADN como una secuencia en la que el contexto importa, de forma parecida a como los modelos de texto detectan relaciones entre palabras. En vez de comparar cada genoma con un catálogo de secuencias ya conocidas, el programa estima qué posiciones del ADN parecen estar conectadas entre sí. Con ello puede proponer estructuras de ARN, contactos dentro de proteínas y motivos repetidos sin depender de alineamientos tradicionales.

Para ponerlo a prueba, los investigadores lo aplicaron a 150 genomas bacterianos. La herramienta recuperó sistemas que ya se conocían y predijo que el 84,3 % de los emparejamientos de bases entre regiones situadas fuera de los genes anotados quedaba por fuera de las anotaciones disponibles. Ese porcentaje no significa que todo ese material tenga una función confirmada: señala cuánta información potencial aparece al buscar relaciones que los métodos usuales pueden pasar por alto.

Entre los resultados, el equipo examinó una familia de ARN de Pseudomonas que tendría extensiones estructurales mayores de las esperadas y secuencias repetidas cercanas. También identificó, dentro de virus integrados en genomas bacterianos, un grupo de sistemas llamados UG27. Según el preprint, estos sistemas combinan una enzima capaz de copiar ARN a ADN con conjuntos de ARN que conservan una forma similar aunque sus letras varíen mucho. Los autores proponen que esos ARN podrían servir de molde para formar pequeñas estructuras de ADN en forma de horquilla.

La observación ayuda a ilustrar por qué el ADN microbiano sigue siendo una fuente de descubrimientos. Las bacterias y sus virus han dado origen a herramientas como CRISPR, pero encontrar secuencias repetidas o parecidas a componentes de esos sistemas no basta para saber qué hacen. Una función de defensa, regulación o copia del material genético solo puede establecerse con experimentos que observen el mecanismo en acción.

El trabajo está disponible como preprint en bioRxiv y aún no pasó por revisión de pares. Además, buena parte de sus resultados son predicciones computacionales: sirven para decidir dónde mirar con más atención, no para cerrar por sí solas la función de cada secuencia. Si las pruebas posteriores confirman algunas de estas hipótesis, el enfoque podría ampliar los mapas de ARN y otros elementos no codificantes en el enorme conjunto de genomas microbianos que todavía se conoce de manera incompleta.