RNA secondary structure prediction using nanopore sequencers

2022 Fiscal Year Final Research Report

• Project/Area Number: 19H04210
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Single-year Grants
• Section: 一般
• Review Section: Basic Section 62010:Life, health and medical informatics-related
• Research Institution: Tokyo Denki University (2021-2022); Keio University (2019-2020)
• Principal Investigator: Sato Kengo 東京電機大学, システム デザイン 工学部, 教授 (20365472)
• Co-Investigator(Kenkyū-buntansha): 加藤 有己 大阪大学, 大学院医学系研究科, 准教授 (10511280) ; 河原 行郎 大阪大学, 大学院医学系研究科, 教授 (80542563)
• Project Period (FY): 2019-04-01 – 2022-03-31
• Keywords: バイオインフォマティクス / RNA二次構造 / ナノポアシークエンサー / RNA修飾 / 深層学習

Outline of Final Research Achievements

We established a method to measure secondary structure profiles by treating RNA sequences with compounds that induce chemical modifications specific to RNA secondary structures and directly reading the chemical modifications with a nanopore sequencer. We developed MXfold2, a deep learning method for RNA secondary structure prediction, and achieved the world's highest accuracy. Furthermore, we implemented a method to predict the RNA secondary structure that fits the reactivity of the chemical modification specific to the RNA secondary structure as much as possible.

Free Research Field

バイオインフォマティクス

Academic Significance and Societal Importance of the Research Achievements

RNAの構造と機能の網羅的な相関解析に期待が集まっている．ここでの基盤技術であるRNA二次構造決定法の多くは，RNAの構造に大きな影響を与えるRNA修飾の存在を無視しており，特に配列長が長く塩基修飾が含まれているRNA配列に関して未だに十分な予測精度とは言えない．エピトランスクリプトームを意識したRNAの構造と機能の網羅的な相関解析へ向けて，RNA修飾を考慮した二次構造予測を実現し，予測精度を改善することが最重要な課題となっている．本研究の成果はこの課題を克服するための基盤となる技術である．