ترجمه فارسی مقاله mRNA2VEC: mRNA تعبیه شده با مدل زبان در 5’UTR-CDS برای طراحی mRNA

چکیده

Messenger RNA (mRNA)-based vaccines are accelerating the discovery of new drugs and revolutionizing the pharmaceutical industry. However, selecting particular mRNA sequences for vaccines and therapeutics from extensive mRNA libraries is costly. Effective mRNA therapeutics require carefully designed sequences with optimized expression levels and stability. This paper proposes a novel contextual language model (LM)-based embedding method: mRNA2vec. In contrast to existing mRNA embedding approaches, our method is based on the self-supervised teacher-student learning framework of data2vec. We jointly use the 5′ untranslated region (UTR) and coding sequence (CDS) region as the input sequences. We adapt our LM-based approach specifically to mRNA by 1) considering the importance of location on the mRNA sequence with probabilistic masking, 2) using Minimum Free Energy (MFE) prediction and Secondary Structure (SS) classification as additional pretext tasks. mRNA2vec demonstrates significant improvements in translation efficiency (TE) and expression level (EL) prediction tasks in UTR compared to SOTA methods such as UTR-LM. It also gives a competitive performance in mRNA stability and protein production level tasks in CDS such as CodonBERT.

چکیده به فارسی (ترجمه ماشینی)

واکسن های مبتنی بر مسنجر RNA (mRNA) در حال تسریع در کشف داروهای جدید و انقلابی در صنعت داروسازی هستند.با این حال ، انتخاب توالی mRNA خاص برای واکسن ها و روشهای درمانی از کتابخانه های گسترده mRNA پرهزینه است.درمان mRNA مؤثر نیاز به توالی با دقت طراحی شده با سطح بیان بهینه و ثبات دارد.این مقاله یک روش تعبیه مبتنی بر مدل زبان متنی جدید (LM) را ارائه می دهد: mRNA2VEC.برخلاف رویکردهای تعبیه کننده mRNA موجود ، روش ما مبتنی بر چارچوب یادگیری خود معلم و دانش آموز از DATA2VEC است.ما به طور مشترک از منطقه 5 ‘ترجمه نشده (UTR) و دنباله کدگذاری (CDS) به عنوان توالی ورودی استفاده می کنیم.ما رویکرد مبتنی بر LM خود را به طور خاص با mRNA با 1) با توجه به اهمیت موقعیت مکانی در توالی mRNA با نقاب احتمالی ، 2) با استفاده از حداقل پیش بینی انرژی آزاد (MFE) و طبقه بندی ساختار ثانویه (SS) به عنوان کارهای بهانه اضافی سازگار می کنیم.mRNA2VEC پیشرفتهای قابل توجهی در کارآیی ترجمه (TE) و سطح بیان (EL) در UTR در مقایسه با روش های SOTA مانند UTR-LM نشان می دهد.همچنین عملکرد رقابتی در ثبات mRNA و کارهای سطح تولید پروتئین در CDS مانند Codonbert ارائه می دهد.