RNA денес е една од најважните молекули во современата медицина, бидејќи стои зад технологии како mRNA вакцините, генските терапии и дел од алатките за уредување на геномот. Но, создавањето RNA секвенци што сигурно ќе се свиткаат во однапред зададена структура е сложена задача. Дури и кај релативно кратки секвенци, бројот на можни комбинации нагло расте, па класичните компјутерски методи често мора да проверуваат огромен број кандидати пред да стигнат до добро решение.
Истражувачи од Универзитетот Кејо развиле пристап што ја комбинира машинската интелигенција со таканаречена Ising-машина, преку рамка наречена FMQA. Наместо грубо пребарување низ голем број можности, системот се обидува со помалку процени да пронајде RNA секвенци што најверојатно ќе ја формираат посакуваната секундарна структура. Истражувањето било насочено и кон едно клучно прашање: како начинот на кодирање на биолошките секвенци влијае врз конечниот резултат.
Во студијата, научниците ја формулирале задачата како проблем на оптимизација и споредиле четири начини на бинарно кодирање, како и различни распоредувања на нуклеотидите аденин, урацил, гуанин и цитозин. Квалитетот на добиените решенија бил мерен со показател што оценува колку предвидената структура се совпаѓа со целната. Резултатите покажале дека кодирањата one-hot и domain-wall даваат подобри RNA кандидати од бинарните и унарните претставувања. Особено domain-wall пристапот воведувал пристрасност кон одредени состојби, а кога тие биле поврзани со гуанин и цитозин, почесто се добивале постабилни G-C парови во стеблените делови на структурата.
Тимот утврдил и дека FMQA успева да пронајде квалитетни решенија со помал број процени отколку случајно пребарување, генетски алгоритми и Баесова оптимизација. Тоа е важно затоа што секоја дополнителна процена или лабораториска проверка носи време и трошок. Со други зборови, истражувањето сугерира дека кај ваквите задачи не е доволно само да се избере добар алгоритам; подеднакво важно е и како биолошките податоци се претставени за машината.
Поширокото значење на оваа работа оди и надвор од RNA. Авторите сметаат дека ваквите методи може да помогнат во дизајн на биомолекули, материјали и полимери, особено во проблеми каде што секоја евалуација е скапа. Во иднина, ваквите рамки би можеле да вклучуваат и експериментални параметри како молекуларна стабилност, афинитет на врзување или контрола на генска експресија, со што би се доближиле компјутерскиот дизајн и практичната лабораториска примена.
