Els ARN circulars són molècules tancades en anell que les cèl·lules produeixen i que, segons moltes hipòtesis, actuen com a esponges dels microARN, petits fragments que regulen l'activitat dels gens. Saber si un ARN circular i un microARN interactuen no n'hi ha prou: el que interessa als biòlegs és en quin punt exacte ho fan. Un equip de la Universitat Nacional de Pusan (Corea del Sud), dirigit per Giltae Song, proposa una eina d'IA per respondre-ho.
L'article, «circMAC: microRNA-conditioned binding-site localization on circular RNA isoforms», és a la revista revisada per parells *Briefings in Bioinformatics* (volum 27, número 5; DOI 10.1093/bib/bbag492). El model rep un ARN circular sencer i un microARN madur i calcula, per a cada nucleòtid, la probabilitat que hi hagi un lloc d'unió. Combina tres peces: atenció, per captar el context llunyà; Mamba, per a les dependències al llarg de la seqüència, i una xarxa convolucional amb un encaix circular que llegeix de manera contínua els patrons que travessen el punt on l'anell es tanca. S'entrena amb parells de molècules amb llocs d'unió anotats experimentalment.
Les dades d'avaluació són 19.674 parells d'entrenament i 7.838 de prova, i només el 5,7% de les posicions són llocs d'unió, fet que fa difícil l'encert. En el cas de seqüències de 1.000 nucleòtids i amb preentrenament sobre aparellament de bases, el model obté una àrea sota la corba ROC de 0,902 i un F1 mitjà de 0,762, i supera els models de llenguatge d'ARN preentrenats amb què es compara. També és el millor entre els models de seqüència completa en les proves amb isoformes i punts de tancament que no s'han vist en l'entrenament. En un exemple, el model concentra la predicció prop del punt de tancament conegut de circCDYL2.
Els propis autors fan una advertència: les prediccions serveixen per prioritzar regions candidates, no demostren que la interacció tingui un efecte funcional ni una aplicació clínica, i cal validar-les amb dades independents i experiments. La informació de la nota no inclou la llista completa d'autors, ni si el codi és obert, ni quins microARN concrets s'han provat, i la precisió mitjana (AUPRC de 0,545) deixa clar que el model encara s'equivoca bastant.