Functionnal motifs discovery using BayesPairing2
Notice bibliographique
Résumé
Les structures d'ARN possèdent plusieurs niveaux d'organisation structurelle. Les structures secondaires sont constituées d'hélices canoniques (paires de bases de Watson-Crick et Wobble), reliées par des boucles dont les conformations locales sont des déterminants critiques de l'architecture 3D globale de la molécule.Ces boucles 3D locales sont constituées d'ensembles de paires de bases non canoniques et d'empilements, appelés modules d'ARN. Ces modules sont parfois partagés par une grande variété de séquences et de familles d'ARN et sont alors appelés motifs d'ARN. Il est prouvé que ces motifs sont essentiels pour la liaison de l'ARN à d'autres molécules. Certaines propriétés de la molécule d'ARN à l'intérieur de la cellule, comme sa localisation, pourraient donc être induites par la présence de motifs d'ARN spécifiques. Déduire des motifs fonctionnels d'ARN à partir de la séquences serait une avancée majeure pour la conception d'ARN et constituerait une avancée importante par rapport à la recherche de sous-séquences qui n'utilisent que la séquence d'entrée de facon linéaire.Pour cette thèse, nous avons développé plusieurs approches pour construire un tel outil. Nous avons d'abord essayé de créer un outil de découverte de motifs de-novo, qui n'utiliserait aucune connaissance préalable des motifs existants dans la nature. Cela est cependant très complexe et incorpore plusieurs aspects différents d'un problème très large. Les résultats étaient incomplets pour cette raison. Nous avons alors décidé de nous concentrer sur la résolution d'un des aspects de ce projet : étant donné un outil qui peut trouver des motifs dans des séquences d'ARN, que ce soit de-novo ou à partir d'une base de données, comment évaluer si ces motifs jouent un rôle significatif dans une fonction biologique.Notre outil, appelé Functional Motif Discovery using BayesPairing2} (FMD\_BP2), exploite le résultat de BayesPairing, un logiciel développé précédemment, pour trouver des motifs fonctionnels à partir d'un ensemble de séquences d'ARN et d'une base de données de motifs.Nous avons utilisé cet outil pour trouver les motifs corrélés à la liaison de l'ARN avec la protéine SNRPA. Nos résultats sont cohérents avec ceux de la littérature. Nous exposons également 2 nouveaux liants de SNRPA et aboutissons à une séquence légèrement différente pour la boucle liante connue dans la littérature. Nous avons également inclus un ensemble d'outils permettant de mieux comprendre le contexte structurel autour des motifs fonctionnels, ce qui permet de concevoir des séquences d'ARN qui correspondent le mieux à ces descriptions et, nous espérons, de créer des nouveaux liants de cette manière.Cet outil pourra ensuite être combiné avec de nouveaux outils de découverte de motifs, afin d'atteindre notre objectif de découverte de motifs fonctionnels de-novo
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,008 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».