rna结合蛋白(rna binding proteins, rbp)占真核生物蛋白质组的5-10%，调控基因的定位和翻译。另一方面，rbp的突变已被发现与疾病风险相关，如肌萎缩性侧索硬化症中的FUS和TDP-43。因此，解码rna和蛋白质之间的联系有助于深入了解其背后的机制。通过实验方法鉴定ncRNA相互作用仍然具有挑战性和高成本，这可以通过使用计算模型来补充。如何准确、自动地识别RNA是否与蛋白质结合是迫切需要的。

图1所示。将RNA和蛋白质序列编码为k-mer频率的载体。这20种氨基酸的分类如下:(Ala、Gly、Val)、(Ile、Leu、Phe、Pro)、(Tyr、Met、Thr、Ser)、(His、Asn、Gln、Tpr)、(Arg、Lys)、(Asp、Glu)和(Cys)。

我们开发了一种基于深度学习的方法，IPMiner，可以直接从序列中自动预测RNA-蛋白质相互作用，该方法可以应用于任何RNA和蛋白质对。新的IPMiner执行以下4个步骤:

在IPMiner的第一步(图1)中，它编码RNA和蛋白质序列的简单k-mer序列特征。对于RNA序列，我们提取4-mer的频率，即4-mer在序列中出现的次数。对于蛋白质序列，我们首先将20个氨基酸分成7组，然后使用还原的氨基酸字母表得到3-mers的频率。

在步骤2中，我们使用堆叠式自编码器分别进一步细化蛋白质和rna的原始k-mer特征的表示(图2)。堆叠式自编码器由多层神经网络组成，每层经过非线性变换后重建原始输入。

在步骤3中，将从堆叠的自编码器中学习到的蛋白质和rna的高级特征连接起来，并将其馈送到随机森林分类器中以预测该rna -蛋白质对是否相互作用。为了消除单个分类器造成的潜在偏差并提高准确率，我们还训练了另外2个随机森林分类器:一个是使用未经任何后处理的原始k-mer频率特征作为输入，另一个是使用未微调的无监督堆叠自编码器抽象特征，使用标记rna -蛋白质对作为输入。总的来说，我们将有3个随机森林分类器用于不同的输入特征，作为彼此的补充。

在步骤4中，最后我们使用堆叠集成来集成这3个不同分类器的输出，其中来自3个不同分类器的输出被输入到逻辑回归中，以学习3个不同分类器的权重。与传统的多数投票相比，它可以自动学习不同分类器对最终决策的不同贡献。

图2所示。堆叠自编码器分别用于进一步细化蛋白质和rna的原始k-mer特征的表示。这些精细的特征被进一步输入到随机森林中，以分类rna -蛋白质相互作用。

由于新的IPMiner只需要序列作为输入，它可以用来预测任何一对rna和蛋白质相互作用的概率。其有效性已在多个rna -蛋白数据集上得到证实。为了使我们的IPMiner更好地服务于学术界，一个易于使用的独立软件已经在http://www.csbio.sjtu.edu.cn/bioinf/IPMiner/和https://github.com/xypan1232/IPMiner上发布。使用IPMiner时，用户只需要分别为rna和蛋白质准备两个Fasta文件，IPMiner就会自动计算两个文件中任意一对rna和蛋白质之间的相互作用电位。

小勇锅¹，hong bin沈^2
1荷兰鹿特丹伊拉斯谟医学中心医学信息部
²上海交通大学图像处理与模式识别研究所
系统控制与信息处理教育部重点实验室

出版

IPMiner:隐藏的nrna -蛋白质相互作用序列模式挖掘与堆叠自编码器准确的计算预测。
潘鑫，范云云，严军，沈海鹏
BMC Genomics, 2016年8月9日

离线阅读:

相关文章:

	膝关节前外侧韧带-解剖…1879年，保罗·塞贡德发表了一篇关于在扭伤的膝关节中临床出现和实验产生的血液的文章。作为一个相关的加重，他报告了粉碎性骨折的形成…
	深入分子分析了解生物学…阿尔茨海默病(AD)是一种复杂的多基因疾病，具有遗传、细胞、病理和临床异质性。高通量测序和组学技术的进步加速了个性化医疗的发展。人类……
	上游开放阅读帧(uorf)作为翻译…信使RNA (mRNA)的翻译过程是基因表达的关键步骤，其调控使细胞能够以时空方式快速改变蛋白质合成以响应…
	无义介导的mRNA衰变(NMD):一个双功能机制…蛋白质是细胞的工作单位，由成千上万的基因编码，将它们的信息传递给中间分子，信使RNA (mRNA)。对于这个流…
	设计和部署模型的系统映射研究……在传统的计算系统中，在应用程序、运行时、操作系统和网络方面所需的一切都是由组织提供的。在云计算中，各种级别的…
	将皮肤重新编程到大脑中，以研究衰老和与年龄相关的…“不可避免的时间流逝”是一个常见的短语和一个简单的真理;在我们的生活中，我们可能会有一些影响深远的经历，成长和学习，但不可避免的是，我们会变老。它……