Functionnal motifs discovery using BayesPairing2
Bibliographic record
Abstract
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
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.022 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.004 |
| Bibliometrics | 0.006 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.017 | 0.008 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".