IRESeek:用于环状RNA内部核糖体进入位点精确识别的结构感知深度学习方法

《NAR Genomics and Bioinformatics》:IRESeek: structure-informed deep learning method for accurate identification of internal ribosome entry sites in circular RNAs

【字体: 大 中 小 】 时间:2026年01月01日 来源:NAR Genomics and Bioinformatics 2.8

编辑推荐:

  内部核糖体进入位点(Internal Ribosome Entry Site, IRES)是一种特殊的RNA顺式作用元件,能够不依赖于5'端帽结构起始翻译,广泛存在于病毒RNA及真核信使RNA中。近年来,越来越多的研究表明IRES元件也存在于环状RNA(cir

  
内部核糖体进入位点(Internal Ribosome Entry Site, IRES)是一种特殊的RNA顺式作用元件,能够不依赖于5'端帽结构起始翻译,广泛存在于病毒RNA及真核信使RNA中。近年来,越来越多的研究表明IRES元件也存在于环状RNA(circular RNAs, circRNAs)中并介导其翻译。CircRNAs表现出高度的稳定性与组织特异性,在多种生理与病理过程中发挥关键作用,其编码潜力为新型功能蛋白的发现提供了重要线索。然而,由于circRNAs的非线性结构及IRES介导调控机制的复杂性,准确识别circRNA中的IRES元件仍面临重大挑战。在此,研究人员提出了IRESeek,这是一种用于高精度检测circRNA中IRES元件的双分支深度学习框架,该框架利用Transformer进行RNA序列建模,并利用图卷积网络(Graph Convolutional Network, GCN)进行RNA结构指导。为了掌握circRNAs的结构模式,IRESeek采用基于物理的RNA二级结构热力学能量——碱基对基序能量(base pair motif energy, BPE)和碱基对概率(base pair probability, BPP)——作为指导结构特征,与RNA序列相结合,实现了RNA序列与碱基对相互作用的综合联合学习。
IRESeek:结构感知深度学习在环状RNA IRES识别中的应用研究解读
研究背景与立项依据
环状RNA(circular RNAs, circRNAs)是一类具有共价闭合环状结构的RNA分子,相较于线性RNA表现出拓扑学上的稳定性及更强的核酸酶抗性。近年来的研究打破了circRNA作为非编码RNA的传统范式,证实其能够通过内部核糖体进入位点(Internal Ribosome Entry Site, IRES)元件启动不依赖于5'端帽结构的翻译过程。这一发现揭示了circRNA在蛋白质编码、基因调控及癌症疾病中的潜在功能,特别是在作为RNA治疗药物及mRNA疫苗靶点方面展现出诱人的应用前景。然而,实验验证IRES(如双顺反子报告基因实验)通常耗时耗力且易受多种因素干扰。尽管现有的计算方法如IRSS、VIPS及基于机器学习的方法(如IRESpy)已取得一定进展,但它们在处理circRNA特有的复杂结构时仍存在局限。当前的深度学习方法(如DeepCIP)往往仅依赖单一的碱基对概率(BPP)矩阵,无法全面覆盖碱基对相互作用的空间,且缺乏公开的实现代码,阻碍了方法的复现与比较。因此,开发一种能够深度融合RNA序列与结构信息、且具有高鲁棒性的开源计算工具成为该领域的迫切需求。
关键技术方法
本研究基于公开的基准数据集,包含4531条circRNA IRES阳性样本和9616条阴性样本。研究人员构建了名为IRESeek的双分支深度学习框架。在序列建模方面,采用了级联的一维卷积神经网络(1D Convolution)与Transformer模块以捕获长程依赖关系;在结构指导方面,引入了两种基于物理的热力学特征——碱基对基序能量(BPE)和碱基对概率(BPP),并利用图卷积网络(GCN)直接处理RNA结构图数据。针对数据集正负样本比例失衡(约1:2.3)的问题,研究采用了过采样(Oversampling)和欠采样(Undersampling)策略分别训练模型,并通过软投票(Soft Voting)集成以获得稳健的最终预测结果。模型性能通过准确率(ACC)、精确率(P)、召回率(R)、F1分数及马修斯相关系数(MCC)等指标进行评估。
研究结果
1. IRESeek的架构设计
研究人员设计的IRESeek模型采用了双流框架(Dual-stream framework)。输入RNA序列经过预处理后,一方面通过卷积与Transformer层提取序列特征(Fseq);另一方面,通过计算BPP和BPE矩阵构建结构图,经由GCN提取结构特征(Fstru)。最终将序列特征与结构特征拼接,通过多层感知机(MLP)输出分类结果。此外,为了解决训练集的不平衡问题,研究人员构建了两个平衡的子数据集(通过复制正样本进行过采样和随机抽取负样本进行欠采样),并训练了两个相应的模型进行集成。
2. RNA序列与结构建模的有效性验证
通过消融实验对比了四种配置:(i)序列+BPE+BPP(完整模型),(ii)序列+BPE,(iii)序列+BPP,(iv)仅序列。结果表明,完整模型在所有评估指标上均表现最佳,特别是召回率(Recall)有显著提升。这证实了BPE和BPP提供的结构指导能有效增强模型对IRES的辨别能力。其中,BPE通过整合密度泛函理论(DFT)计算的物理能量与统计能量项,在提高模型鲁棒性方面发挥了至关重要的作用,使得模型在受试者工作特征曲线下面积(AUROC)达到了0.7223,优于仅使用单一结构特征的模型。
3. 模型集成策略的有效性验证
针对不平衡分类问题的研究表明,单纯的过采样策略可能因引入冗余而导致模型学习到重复模式,而单纯的欠采样则丢失了大量负样本信息。相比之下,结合过采样与欠采样的集成模型(Over+Under)在各项指标上均取得了显著优势(ACC、R、P、F1、MCC和AUROC均有1.5%–5.5%的提升)。小提琴图分析进一步显示,该集成策略在识别阳性IRES样本时具有更高的准确性和区分能力,证明了其在处理不平衡数据集时的稳健性与稳定性。
4. 环状RNA IRES识别性能比较
研究人员将IRESeek与三种主流的深度学习方法(DeepCIP、DeepIRES和IRESfinder)进行了头对头比较。结果显示,IRESeek在准确率、召回率、精确率、F1分数和MCC上均显著优于现有方法(提升幅度分别为1.2%–19.1%、1.5%–58.4%、1%–16%、1.2%–41.6%和2.6%–39.1%)。尽管IRESeek的AUROC(0.7223)与DeepCIP(0.7218)相当,但在整体分类性能上更为优越。散点图分析表明,IRESeek对IRES和non-IRES序列的预测得分分布具有更好的分离度,而DeepIRES倾向于给阴性样本打高分,导致精度较低。
5. 超参数优化分析
通过对序列建模的隐藏层特征维度(Dim = 16, 32, 64)和结构指导的GCN层数(2, 4, 8层)的系统分析发现,八层GCN结构与32维特征维度的组合表现最佳。这表明更复杂的GCN结构能够更有效地捕捉RNA的拓扑结构信息,而中等大小的特征维度则在特征表达能力与模型泛化能力之间取得了良好平衡。
6. 可解释性可视化分析
利用UMAP非线性降维方法对特征空间进行可视化,结果显示原始输入特征及单一模型提取的特征中,IRES与non-IRES样本存在大量重叠,而IRESeek集成模型提取的特征呈现出明显的聚类分离现象。此外,利用Integrated Gradients方法对序列特征进行归因分析,发现模型识别出的关键基序(Motif)主要富集于AU-rich区域,这与先前关于IRES生物学特性的研究报道高度一致,验证了模型在挖掘生物学相关特征方面的有效性。
结论与意义
综上所述,研究人员开发的IRESeek作为一种开源且有效的深度学习框架,成功实现了circRNA中IRES元件的高精度识别。该研究的核心贡献在于:(1)首次将Transformer与GCN相结合,实现了RNA序列信息与基于物理的RNA二级结构特征(BPP与BPE)的无缝整合与隐式关联;(2)通过巧妙的采样策略与模型集成,有效克服了生物信息学中普遍存在的类别不平衡问题,提升了模型的临床转化潜力。该研究成果发表于《NAR Genomics and Bioinformatics》,为环状RNA的功能基因组学研究及基于RNA的疗法开发提供了强有力的计算工具。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号