上海交通大学利用深度学习预测RNA上蛋白质的碱基分辨率结合谱

• 全文链接

关键词：

来源：

Nucleic Acids Research

全文链接：

//agri.nais.net.cn/topic/downloadFile/2edf9294-9f87-461e-8be1-3b7ffb15a351

来源地址：

https://academic.oup.com/nar/article/53/14/gkaf748/8223173

资源所属：

农业生物技术专题

类型：

学术文献

语种：

英语

原文发布日期：

2025-08-06

摘要：

2025年8月6日，上海交通大学潘小勇唯一通讯在Nucleic Acids Research在线发表题为“Base-resolution binding profile prediction of proteins on RNAs with deep learning”的研究论文。RNA结合蛋白在各种RNA相关的生物学过程中发挥着至关重要的作用，这些过程与细胞功能和疾病密切相关。基于CLIP-seq数据，现有的深度学习方法旨在预测蛋白质-RNA相互作用。然而，CLIP-seq依赖于基因表达，而基因表达在不同细胞间存在显著差异。现有方法通常基于峰相关的结合位点和隐式定义的非结合位点进行训练，而未考虑细胞特异性的表达谱。鉴于蛋白质-RNA相互作用的动态特性，这些方法难以准确预测不同细胞系中RNA上蛋白质的结合核苷酸和结合强度。该研究提出了一种基于深度学习的新型方法iDeepB，旨在通过整合细胞系特异性的基因表达谱，以碱基分辨率预测RNA上的蛋白质结合谱。iDeepB 首先基于细胞特异性 RNA-seq 和 eCLIP-seq 数据构建了表达感知基准数据集，用于训练一个具有多头注意力机制的混合深度网络，从而能够预测蛋白质结合谱、分析结合基序的语法组成，并量化与人类疾病相关的基因组突变的功能效应。对新开发的基准数据集的综合评估表明，iDeepB 在预测 RNA 蛋白质结合谱方面优于现有方法。