Двухконтекстный бейсколлер для прямого секвенирования РНК нанопорами

Почему важно расшифровывать буквы РНК

Каждая клетка вашего организма постоянно считывает и переписывает сообщения, записанные в РНК — рабочей копии наших генов. Новые приборы на основе «нанопоров» умеют читать отдельные молекулы РНК напрямую, что обещает раскрыть, как включаются гены, как РНК сплайсируются и как химические метки на РНК влияют на здоровье и болезни. Но есть одно «но»: эти устройства на самом деле измеряют крошечные электрические токи, которые затем нужно перевести — «бейсколлить» — в знакомые буквы A, C, G и U. Если перевод неверен, биологическая картина может сильно исказиться. В этой работе представлен Coral — новая система искусственного интеллекта, которая делает такой перевод значительно точнее.

Чтение электричества вместо букв

Прямое нанопоровое секвенирование РНК работает так: одна цепочка РНК протягивается через молекулярное отверстие — нанопор — при одновременном измерении того, как меняется электрический ток, когда через пору проходит каждая нуклеотида. Эти колеблющиеся токовые сигналы содержат информацию о последовательности РНК и её химических модификациях. Традиционное секвенирование РНК сначала превращает РНК в ДНК и амплифицирует её, что может вносить смещения и стирать многие природные химические метки. Прямое секвенирование РНК избегает этих проблем, но цена была в относительно высокой частоте ошибок при переводе токовых следов в последовательности, особенно для трудных участков, таких как повторы или сложные РНК‑структуры. Улучшенный бейсколлинг необходим, если учёные хотят доверять тонким деталям этих длинных РНК‑ридов.

Умный переводчик, использующий два типа контекста

Большинство существующих бейсколлеров нанопоров рассматривают электрический сигнал как основной источник информации и декодируют каждую позицию почти независимо, что ограничивает их способность учитывать структуру самой последовательности РНК. Coral использует иной подход. Он основан на архитектуре энкодер‑декодер с Transformer‑компонентами, близкой по духу к современным языковым моделям. Сначала энкодер, собранный из свёрток и слоёв самовнимания, преобразует сырой токовый сигнал в компактное описание его изменений со временем. Затем декодер предсказывает каждую новую основу РНК по одному шагу за раз, одновременно глядя назад на уже записанные основания и вбок — на закодированный сигнал. Два типа внимания — внутри растущей РНК‑последовательности и между последовательностью и сигналом — позволяют Coral учитывать как электрический, так и последовательностный контекст при выборе следующей буквы.

Более чёткие последовательности и меньше потерянных молекул

Авторы протестировали Coral против нескольких ведущих бейсколлеров, включая коммерческие инструменты Oxford Nanopore, на РНК людей и других организмов и на разных химиях нанопоров. По шести видам и на старых наборах для секвенирования РНК Coral показал типичную медианную точность ридов около 97%, явно выше конкурентов. На новейшем наборе точность превысила 99%. Coral давал меньше несовпадений, вставок и делеций, обеспечивал более длинные, лучше выровненные риды и реже выдавал последовательности, которые нельзя было отобразить вовсе. Особенно хорошо он справлялся с короткими сериями повторяющихся оснований — очень распространёнными в реальных данных — которые часто становятся источником ошибок для других инструментов. Надёжнее захватывая длинные правильные участки, Coral также превосходил в предсказании коротких последовательностных паттернов (k‑меров) и оставался устойчивым даже если ранние шаги декодирования содержали небольшие ошибки.

Больше скрытых деталей транскриптома

Улучшенный бейсколлинг ценен только если он ведёт к лучшей биологии. Чтобы это проверить, команда изучила, как выход Coral влияет на последующие анализы в линиях человеческих клеток. Используя специализированный инструмент для реконструкции полных изоформ РНК — различных вариантов сплайсинга каждого гена — они обнаружили, что риды Coral выявили больше известных транскриптовых структур и множество дополнительных, низкоабундантных изоформ, которые другие бейсколлеры пропускали. Многие транскрипты, обнаруженные только Coral, подтверждались независимыми данными короткого ридирования, что указывает на их реальность, а не на артефакты. Coral также обнаружил больше контрольных референсных транскриптов с известной концентрацией в эксперименте со спай‑ином и точнее оценил их абундантность. Помимо поиска транскриптов, Coral улучшил обнаружение событий слияния генов в линии клеток рака груди и увеличил число и надёжность генов с аллель‑специфичной экспрессией, когда одна родительская копия гена активнее другой.

Яснее генетические варианты и родословные линии

Поскольку длинные РНК‑риды могут охватывать удалённые генетические варианты, они являются мощным инструментом для определения того, какие варианты находятся вместе на одной копии хромосомы — процесса, называемого фазированием гаплотипов. На хорошо изученном человеческом образце с эталонной картой вариантов авторы показали, что более качественные риды Coral приводят к более точному обнаружению однонуклеотидных изменений и гораздо меньшему числу ошибок фазирования: число переключений (switch errors) и общие коэффициенты несовпадений внутри фазированных блоков снизились примерно до четырехкратного по сравнению с другими методами, в то время как значительно больше вариантов вообще удалось фазировать. Моделирование с разными уровнями базовой точности ридов подтвердило, что как только бейсколлинг приближается к ~95% точности, производительность в обнаружении транскриптов, аллель‑специфичной экспрессии и фазировании резко улучшается и затем достигает плато. Coral находится в этой зоне высокой полезности, что наводит на мысль, что он улавливает большую часть биологически значимой информации, содержащейся в шумных нанопоровых сигналах.

Что это значит для будущих исследований РНК

Для неспециалистов ключевая мысль такова: Coral выступает как гораздо более надёжный переводчик между электрическим «языком» нанопоровых секвенаторов и генетическим «языком» РНК. За счёт лучшего использования контекста и в сигнале, и в нарастающей последовательности он даёт чище риды, раскрывающие больше вариантов транскриптов, позволяющие обнаруживать редкие гены‑слияния и с большей уверенностью отслеживать, от какого родителя пришёл тот или иной вариант. Программа с открытым исходным кодом, поэтому исследователи могут адаптировать её к новым организмам, химиям или даже для изучения самих химических меток на РНК. По мере улучшения нанопоровой технологии такие инструменты, как Coral, помогут превращать сырые токовые следы в надёжные, детализированные карты мира РНК внутри клеток.

Цитирование: Xie, S., Ding, L., Yu, Y. et al. A dual context-aware basecaller for nanopore direct RNA sequencing. Nat Commun 17, 1851 (2026). https://doi.org/10.1038/s41467-026-68566-2

Ключевые слова: нанопоровое секвенирование РНК, бейсколлинг, модель Transformer, транскриптные изоформы, фазирование гаплотипов