Nová studie publikovaná 31. července 2026 v časopise Genes & Development nyní rozebrala jeden z jejích klíčových prvků – takzvaný initiator neboli Inr, krátkou sekvenci DNA nacházející se přímo kolem místa, kde začíná transkripce genu.
Výzkumníci z University of California San Diego experimentálně otestovali aktivitu přibližně 500 000 různých variant této oblasti a výsledky použili k vytvoření modelu strojového učení, který dokáže rozpoznávat sekvenční pravidla initiatoru.
Výsledek ukazuje, že initiator se vyskytuje přibližně u 60 procent takzvaných focused human promoters, tedy lidských promotorů, u nichž transkripce začíná v relativně přesně vymezeném místě. Zároveň se podařilo objevit novou variantu initiatoru spojenou s TATA boxem a lépe popsat vztahy mezi několika dalšími regulačními prvky promotoru.
Není to tedy „rozluštění lidského genetického kódu“ ani univerzální vypínač všech genů.
Je to něco mnohem konkrétnějšího: jeden kousek gramatiky, podle níž buňka poznává, kde má začít číst DNA.
Gen může existovat a přesto zůstat úplně tichý
DNA si často představujeme jako obrovský návod, v němž jsou jednotlivé geny kapitolami obsahujícími recepty na proteiny.
Jenže žádná buňka nečte všechny kapitoly současně.
Jaterní buňka používá jinou sadu genů než neuron, svalová buňka zase jinou než buňka sítnice. Přitom téměř všechny obsahují prakticky stejnou DNA. Rozdíl mezi nimi vzniká z velké části tím, které geny jsou aktivní a které zůstávají vypnuté.
Prvním krokem aktivace genu je transkripce. Enzym RNA polymeráza II se spolu s dalšími proteiny naváže na oblast před genem a začne podle DNA vytvářet molekulu RNA.
Aby se tento proces spustil na správném místě, potřebuje buňka orientační body.
Jedním z nejdůležitějších je core promoter, krátká regulační oblast obklopující místo začátku transkripce. Neobsahuje samotný návod na protein. Funguje spíše jako přistávací a navigační plocha pro molekulární aparát, který gen přečte.
Initiator patří mezi prvky této plochy. Nachází se přímo kolem pozice označované jako +1, tedy místa, kde vznikající RNA skutečně začíná.
MOHLO BY SE VÁM TAKÉ LÍBIT
Initiator známe desítky let. Jeho přesná pravidla byla překvapivě nejasná
Samotná existence Inr není novým objevem.
Molekulární biologové jej studují už několik desetiletí a dlouho věděli, že některé kombinace bází kolem počátku genu podporují zahájení transkripce lépe než jiné.
Problém spočíval v rozmanitosti.
DNA není tvořena jediným jednoduchým příkazem typu „pokud zde stojí těchto šest písmen, gen se zapne“. Skutečný účinek závisí na kombinaci několika pozic, jejich vzájemných vztazích a také na dalších částech promotoru.
Starší takzvané konsenzuální sekvence proto vystihovaly pouze část reality.
Tým Jamese Kadonagy se rozhodl problém otočit. Místo hledání jednoho ideálního motivu vytvořil obrovské množství různých sekvencí a experimentálně změřil, jak dobře každá z nich dokáže zahájit transkripci.
Vznikla tak mapa vztahu mezi sekvencí a funkcí. A právě tento typ dat je mimořádně vhodný pro strojové učení.
Půl milionu variant jako učebnice pro AI
Výzkumníci použili vysokokapacitní experimentální metody, které umožňují testovat obrovské množství DNA sekvencí paralelně.
Místo několika desítek nebo stovek variant initiatoru získali údaje přibližně o 500 000 různých sekvencích. U každé bylo možné určit, jak silně podporuje genovou expresi.
Model strojového učení tak nedostal pouze seznam známých dobrých a špatných initiatorů. Dostal stovky tisíc příkladů typu: tato kombinace funguje velmi dobře, tato o něco hůře, tato téměř vůbec, a tato funguje pouze v určitém kontextu.
Z takového množství dat mohl odvodit jemnější vztahy mezi jednotlivými písmeny DNA, které by při ručním procházení experimentů byly velmi obtížně viditelné.
Výsledkem byly modely schopné s vysokou přesností předpovídat, zda konkrétní sekvence odpovídá funkčnímu initiatoru. Teprve potom mohli vědci model obrátit proti samotnému lidskému genomu.
Initiator se ukázal být mnohem běžnější, než by jednoduchý motiv napovídal
Když tým hledal nově popsanou sekvenční signaturu v lidských promotorech, dospěl k výsledku kolem 60 procent focused promoters. To je důležitá nuance oproti mediální zkratce, podle níž initiator obsahuje „60 procent lidských genů“. Ne všechny geny používají stejný typ promotoru.
U některých genů začíná transkripce velmi přesně v úzké oblasti – právě takové promotory se označují jako focused. Jiné mají začátek rozprostřený přes širší úsek DNA a jejich regulační architektura se může chovat odlišně. Nový model tedy neukazuje, že by šedesát procent všech lidských genů mělo jeden univerzální startovací spínač.
Ukazuje, že u velké většiny určité významné skupiny promotorů hraje initiator důležitou roli. A navíc se ukázalo, že neexistuje pouze jedna jeho verze.
MOHLO BY SE VÁM TAKÉ LÍBIT
TATA box není jediným značkovačem startu genu
Jeden z nejslavnějších regulačních motivů DNA se nazývá TATA box.
Jde o krátkou sekvenci bohatou na báze thymin a adenin, která se u části genů nachází před místem začátku transkripce. V učebnicových obrázcích bývá často zobrazována téměř jako univerzální značka promotoru. Ve skutečnosti ji však velká část lidských genů vůbec nemá.
Promotory proto používají různé kombinace regulačních prvků. Vedle TATA boxu a initiatoru existuje například DPR – downstream promoter region, ležící až za místem začátku transkripce, nebo TCT motiv charakteristický pro určité typy genů.
Nová analýza odhalila mezi těmito prvky překvapivě přesné vztahy. Initiator a DPR například vykazují silnou synergii: pokud jsou přítomny ve správné kombinaci, jejich společný efekt je větší než jednoduchý součet účinků obou motivů.
Naproti tomu TATA box a DPR se podle genomové analýzy často nacházejí v určitém protikladu. Genový promotor tak nevypadá jako vypínač s jedním tlačítkem. Spíše připomíná malý ovládací panel, jehož jednotlivé součásti mohou spolupracovat, zastupovat se nebo měnit účinek ostatních.
Vědci našli dokonce zvláštní initiator spojený s TATA boxem
Jedním z konkrétních výsledků studie bylo rozpoznání nového TATA-specifického typu initiatoru. To znamená, že sekvence fungující optimálně v promotoru obsahujícím TATA box nemusí být totožná s iniciátorem používaným v jiné regulační architektuře.
Na první pohled jde o drobný molekulární detail. Ve skutečnosti ale ukazuje něco důležitého o způsobu, jakým genom funguje. Stejný regulační prvek nemá vždy pevný význam nezávislý na okolí. Jeho funkce závisí na kontextu dalších sekvencí.
Genetickou regulaci proto nelze spolehlivě popsat jednoduchým slovníkem, v němž má každá sekvence jeden neměnný překlad. Je mnohem bližší jazyku. Stejné slovo může měnit význam podle věty, ve které stojí.
TCT vypadá podobně, ale není to totéž
Model pomohl lépe oddělit také TCT motiv, který se částečně překrývá s oblastí initiatoru, ale funkčně představuje jiný regulační systém. TCT promotory se často objevují u genů spojených s tvorbou ribozomů a dalšími základními komponentami buněčného aparátu.
Zajímavé je, že studie odhalila rozdíly mezi vlastnostmi lidského TCT motivu a jeho obdobou u octomilky Drosophila melanogaster. To připomíná další důležitou vlastnost genetické regulace.
Základní mechanismus transkripce je mezi živočichy velmi starý a silně konzervovaný, ale přesné sekvenční instrukce se během evoluce mění. Buňka tedy může používat stejný princip a přitom jeho genetickou „gramatiku“ zapisovat trochu jinak.
MOHLO BY SE VÁM TAKÉ LÍBIT
Nejzajímavější možná není to, co AI našla, ale jakým způsobem to našla
Na nové práci je snadné soustředit se na samotnou umělou inteligenci. Model však není systém, který dostal lidský genom a z ničeho „pochopil“, jak fungují geny. Nejdůležitější část experimentu vznikla v laboratoři.
Vědci nejprve vyrobili a otestovali stovky tisíc sekvencí. Teprve jejich experimentální výsledky vytvořily učebnici, z níž se mohl model naučit vztah mezi DNA a aktivitou promotoru.
AI pak dokázala v tomto prostoru nalézt jemné vzorce a převést je do předpovědí použitelných na přirozených lidských sekvencích. Právě toto spojení může být pro budoucí genetiku důležitější než samotný konkrétní model.
Experiment dovoluje položit stovky tisíc otázek. Strojové učení dokáže jejich odpovědi spojit do pravidel. A biolog potom může testovat, zda tato pravidla skutečně odpovídají tomu, co se děje v genomu.
Může to pomoci vysvětlit mutace, které neleží uvnitř genu
Když se mluví o genetické mutaci způsobující nemoc, intuitivně si představujeme změnu přímo uvnitř genu, která například pozmění strukturu výsledného proteinu. Jenže obrovská část lidské DNA proteiny vůbec nekóduje.
Mnohé genetické varianty spojené s chorobami leží právě v regulačních oblastech. Protein může být úplně normální, ale buňka ho začne vyrábět příliš mnoho, příliš málo, v nesprávný okamžik nebo v nesprávné tkáni. Právě zde mohou prediktivní modely initiatoru získat praktický význam.
Pokud mutace změní jednu bázi v oblasti promotoru, model může odhadnout, zda tím pravděpodobně zesílí nebo oslabí schopnost zahájit transkripci. Autoři proto zmiňují možné využití při interpretaci variant spojených například s nádory a dalšími poruchami regulace genů. To ale neznamená, že nový model dokáže z DNA člověka předpovědět, zda dostane rakovinu.
Regulace genu závisí na mnoha dalších faktorech: transkripčních faktorech, vzdálených enhancerech, uspořádání chromatinu, epigenetických změnách i konkrétním typu buňky. Initiator představuje jen jednu součást systému. Důležitou, ale nikoli jedinou.
Stejná pravidla mohou pomoci také při vytváření umělých genů
Další možné využití leží v syntetické biologii. Pokud dokážeme předpovědět, jak různé sekvence promotoru ovlivní zahájení transkripce, můžeme také začít navrhovat promotory s požadovanými vlastnostmi.
To může být užitečné při vývoji geneticky upravených buněk, biotechnologické výrobě proteinů nebo při konstrukci experimentálních genových systémů. Dnes lze často vytvořit DNA sekvenci prakticky na objednávku. Mnohem obtížnější je přesně vědět, jak se bude po vložení do živé buňky chovat.
Čím lépe budeme rozumět regulační gramatice genomu, tím méně bude návrh takových systémů založený na pokusu a omylu.
MOHLO BY SE VÁM TAKÉ LÍBIT
Celý „jazyk genů“ jsme ale rozhodně ještě nepřečetli
James Kadonaga popisuje dlouhodobý cíl mnohem ambiciózněji: vytvořit model širšího gene expression code, tedy souboru pravidel určujících, kdy, kde a jak intenzivně se jednotlivé geny zapínají.
Initiator je pouze malou částí tohoto kódu. Ani dokonalý model všech core promoterů by nestačil. Geny jsou řízeny také vzdálenými enhancery, které mohou ležet desetitisíce bází daleko. Význam má prostorové skládání chromozomů v buněčném jádře, chemické modifikace DNA a histonů i konkrétní proteiny přítomné v daném typu buňky.
Stejná DNA proto může být aktivní v jednom neuronu a naprosto tichá v jaterní buňce. Skutečná genetická regulace není jeden kód. Je to několik vrstev instrukcí pracujících současně.
Genom není jen kniha. Obsahuje i instrukce, jak ji číst
Když byl před čtvrtstoletím zveřejněn první návrh lidského genomu, mohl vzniknout dojem, že největším úkolem genetiky bude zjistit význam jednotlivých genů. Postupně se ukázalo, že mnohem obtížnější otázka zní jinak.
Jak buňka ví, které z nich má právě použít?
Nová studie initiatoru představuje jednu malou část odpovědi. Vědci vzali půl milionu variant krátkého úseku DNA, změřili jejich chování a naučili model rozpoznat pravidla, která lidské oko v tak obrovském množství kombinací jen obtížně uvidí.
Výsledkem není univerzální klíč k lidskému genomu. Je to několik přesněji přečtených řádků v jeho regulační příručce. A možná právě tím se moderní genetika postupně posouvá od otázky, co je v DNA napsáno, k mnohem složitější otázce, jakým způsobem buňka pozná, co z toho má začít číst.
MOHLO BY SE VÁM TAKÉ LÍBIT
Zdroje: Kód Enigma [1], Genes & Development – Rhyne-Carrigg et al., „Machine learning analysis of the human initiator region reveals key features of different types of core promoters“ [2], DOI 10.1101/gad.353623.125 [3], University of California San Diego – „Researchers Use AI to Decode Key DNA Sequence in Gene Activation“ [4], bioRxiv – Rhyne-Carrigg et al., preprint studie [5], img AI generated
