Tradycyjne metody eksperymentalne umożliwiały identyfikację pojedynczych miejsc tworzenia G-quadrupleksów, ale ze względu na ich krótkotrwały charakter te metody dawały niepełny obraz ich rozmieszczenia w ludzkim genomie. Kluczowym problemem naukowym pozostawało więc stworzenie pełnej mapy tych struktur w kontekście ich funkcji biologicznych i różnic pomiędzy zdrowymi a nowotworowymi komórkami.

W badaniu z 2025 r. międzynarodowy zespół naukowców, w którym uczestniczyli badacze z Higher School of Economics (HSE), wykorzystał sztuczną inteligencję do rekonstrukcji rozmieszczenia G-quadrupleksów w ludzkim genomie. Zastosowano zmodyfikowany model językowy genomu DNABERT, który po przeszkoleniu na największej na świecie bazie danych eksperymentalnie zweryfikowanych quadrupleksów (EndoQuad) umożliwił przewidywanie miejsc, gdzie te niestabilne struktury faktycznie powstają w komórkach. Model nazwany GQ-DNABERT uwzględniał nie tylko sekwencję nukleotydów, ale także kontekst otaczającego DNA, co istotnie podnosiło trafność predykcji w porównaniu z tradycyjnymi algorytmami. Dzięki temu badacze przewidzieli ok. 360 tys. miejsc tworzenia się G-quadrupleksów w genomie ludzkim, znacząco przekraczając liczbę wcześniej wykrytych eksperymentalnie lokalizacji.

Analiza miejsc przewidzianych przez GQ-DNABERT wykazała, że G-quadrupleksy występują często w regionach promotorowych – sekwencjach znajdujących się tuż przed początkiem transkrypcji genu i pełniących kluczową funkcję w uruchamianiu ekspresji genów – oraz tzw. enhancerach – sekwencjach zwiększających aktywność transkrypcyjną. Co ważne, struktury te często tworzyły się w parach – jeden quadrupleks w promotorze i drugi w powiązanym enhancerze tego samego genu. Taka konfiguracja może wspierać koordynowaną regulację aktywności genów poprzez łączenie sygnałów z tych dwóch elementów regulacyjnych.

Badacze zestawili mapę quadrupleksów z danymi z pojedynczych komórek (z ang. single-cell sequencing) z sześciu różnych typów tkanek. W komórkach zdrowych pary quadrupleksów były skorelowane z ekspresją genów pełniących funkcje specyficzne dla danego typu tkanki, takie jak aktywność neuronalna w mózgu, odpowiedzi odpornościowe we krwi czy funkcje nabłonkowe w jelicie. Natomiast w komórkach nowotworowych liczba par quadrupleksów pozostała zbliżona, ale ich powiązania przesunęły się w stronę genów zaangażowanych w uniwersalne programy proliferacji i podziału komórek, niezależnie od typu tkanki, co odzwierciedla cechy charakterystyczne dla proliferacji nowotworowej.

Struktury G-quadrupleksów (wynikiem fałdowania DNA w czterowłóknowe „supra-struktury”) są znane z obecności sekwencji bogatych w guaninę i były wcześniej identyfikowane jako elementy DNA o potencjalnych rolach regulacyjnych. Badania eksperymentalne potwierdzały ich obecność w regionach promotora i innych regulatorach genomu oraz wskazywały na ich wpływ na procesy transkrypcji, replikacji, naprawy DNA i stabilności genomu. Znaczenie G-quadrupleksów w biologii komórki oraz ich potencjalne oddziaływanie na procesy nowotworowe były podkreślane w licznych publikacjach, także w kontekście możliwości terapeutycznych ukierunkowanych na te struktury.

Mapa stworzona za pomocą AI jest pierwszym tak szerokim, całościowym przeglądem rozmieszczenia quadrupleksów w ludzkim genomie i umożliwia nowe spojrzenie na ich rolę w regulacji genów. Wskazuje ona, że G-quadrupleksy nie są przypadkowymi strukturami, lecz mają uporządkowany i potencjalnie funkcjonalny udział w modulacji ekspresji genów. Różnice w aktywności i funkcjach par quadrupleksów pomiędzy tkankami zdrowymi a nowotworowymi sugerują, że te struktury mogą być elementem epigenetycznych mechanizmów nowotworzenia i ekspresji onkogenów.

Potencjalne zastosowania tych odkryć obejmują wykorzystanie map quadrupleksów do identyfikowania nowych celów terapeutycznych, w tym niewielkich cząsteczek stabilizujących lub destabilizujących specyficzne struktury G-quadrupleksów, które mogłyby selektywnie modulować ekspresję onkogenów lub zmieniać programy transkrypcyjne w komórkach nowotworowych. Istotnym wyzwaniem pozostaje zrozumienie dynamicznych właściwości tych struktur w czasie rzeczywistym i ich pełnej funkcjonalnej roli w fizjologii i patologii komórkowej.