Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Physics-Informed Neural Networks for Accurate Computational Learning of RNA Elements

Opis projektu

Nowe podejście obliczeniowe do mapowania struktur RNA w 3D

Algorytmy głębokiego uczenia z powodzeniem rozszyfrowały, w jaki sposób złożone sekwencje aminokwasów fałdują się, tworząc trójwymiarowe struktury białkowe. Pomimo postępów w tej dziedzinie nadal trudno jest odwzorować kształty cząsteczek RNA w 3D. Choć to właśnie te kształty decydują o funkcjonowaniu RNA i rozwoju chorób, badacze nie dysponują wystarczająco dużymi zbiorami danych, które są niezbędne do szkolenia standardowych modeli sztucznej inteligencji. Zespół projektu PINNACLE, realizowanego przy wsparciu z działań „Maria Skłodowska-Curie”, opracuje nowatorską platformę obliczeniową, która pozwoli rozwiązać problem zbyt małych zbiorów danych. W ramach platformy połączą oni starannie wyselekcjonowany zbiór danych z siecią neuronową, która uczy się podstawowych praw fizycznych i biochemicznych determinujących fałdowanie RNA, zamiast opierać się wyłącznie na danych surowych. To narzędzie typu open source pomoże zmniejszyć zależność od danych, co ostatecznie przyspieszy proces odkrywania leków opartych na RNA.

Cel

Ribonucleic acid (RNA) molecules are central to cellular function and disease, with their biological roles being intrinsically linked to their complex three-dimensional (3D) structures. However, a significant gap exists between the number of known RNA sequences and experimentally determined structures. This data scarcity severely hampers the application of state-of-the-art deep learning methods, which have revolutionized protein structure prediction but fail to generalize for RNA due to their reliance on vast datasets.

The PINNACLE (Physics-Informed Neural Networks for Accurate Computational Learning of RNA Elements) project will address this fundamental challenge through a novel, physics-aware computational framework. The project has two primary objectives: 1) To construct and disseminate a high-quality, FAIR-compliant, and systematically curated dataset of RNA 3D structures, augmented with molecular simulations to capture molecular flexibility and rare interactions. 2) To develop and validate a novel Bayesian Physics-Informed Neural Network (B-PINN) that directly embeds the fundamental physical and biochemical laws governing RNA folding (e.g. electrostatics, base-stacking, torsional constraints) into the model's learning process.

PINNACLE will reduce the dependency on large training sets, improve generalization to novel RNA families, and provide robust uncertainty quantification for its predictions - a critical feature for guiding experimental research. This action will deliver a transformative open-source tool for the scientific community, accelerating research in RNA biology and the development of RNA-based therapeutics. Furthermore, this interdisciplinary training will equip the researcher with a unique skill-set at the intersection of AI, biophysics, and bioinformatics, providing a robust foundation for a future independent research career.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) HORIZON-MSCA-2025-PF

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

KOBENHAVNS UNIVERSITET
Wkład UE netto
€ 263 393,28
Koszt całkowity
Brak danych

Partnerzy (1)