Breaking Barriers: Democratizing Machine Learning for RNA-Protein Interaction Prediction in Life Sciences

Abstract

À medida que o armazenamento de sequências biológicas aumenta, extrair informações torna-se crucial para avanços na saúde. A complexidade dessas sequências exige técnicas sofisticadas, como Aprendizado de Máquina (AM). No entanto, desenvolver soluções fortes de AM demanda conhecimento especializado, muitas vezes fora do alcance de muitos pesquisadores das ciências da vida, ampliando ainda mais as disparidades. Considerando isso, apresentamos o BioPrediction, um framework de AM ponta a ponta que cria modelos para identificar interações entre sequências, como pares de RNA não codificante e proteínas, sem intervenção humana. Os resultados destacam seu desempenho superior sobre modelos criados por especialistas em múltiplos conjuntos de dados. Essa automação abre novos caminhos para desvendar interações complexas e explorar mecanismos de doenças.