簡介

環(huán)狀RNA(circRNA) 是反向剪接和共價閉合的RNA。它們與RNA結(jié)合蛋白 (RBP) 的相互作用對許多疾病的發(fā)展有多重影響。目前已經(jīng)有不少工具可用于識別circRNA上的RBP結(jié)合位點，但準確性、穩(wěn)健性和解釋性都不足。

為此，中南大學(xué)計算機科學(xué)與工程學(xué)院王建新教授團隊開發(fā)了一款全新的工具——CRMSS，一種基于多尺度特征序列和結(jié)構(gòu)特征來預(yù)測 circRNA-RBP結(jié)合位點的方法。該項成果發(fā)表在了Briefings in Bioinformatics?(IF=13.994) 期刊上。

算法優(yōu)勢

1??不同的序列編碼方法對性能的影響比較

CRMSS采用了k-mer算法，并與One-hot、CircRNA2vec、KNFP、Pseudo-coding四種序列編碼方法進行了比較（表1）。結(jié)果顯示CRMSS的k-mer方法獲得了最佳性能。在其他編碼方式下，預(yù)測性能都會有一定程度的下降，尤其是One-hot編碼方法，導(dǎo)入數(shù)據(jù)的稀疏性導(dǎo)致性能出現(xiàn)明顯下降。這些結(jié)果表明CRMSS的序列編碼方法不僅更準確而且更穩(wěn)定。

2??CRMSS與現(xiàn)有預(yù)測工具之間的比較

作者將CRMSS與目前最先進的四種工具CRIP、PASSION、CircSLNN和iCircRBPDHN在評估指標和統(tǒng)計分析方面，對基準數(shù)據(jù)集進行5倍的交叉驗證。

一方面，作者采用指定的評估指標來評估性能，測試了僅具有circRNA結(jié)構(gòu)特征（RNA secondary structure, RSS）或僅具有RBP特征（RNA binding Domain, RBD）的模型，以分析不同特征的影響，并檢查了37個RBP上的所有結(jié)合位點。37個RBP的平均結(jié)果用于評估模型（圖1）。可以看到，CRMSS的性能優(yōu)于這四種工具，獲得了最高的平均AUC值 0.899，并且在AUPR和Recall中表現(xiàn)得更好。

另一方面，作者采用了Friedman檢驗和Nemenyi檢驗進行統(tǒng)計分析，并繪制了一個測試圖，其中每個模型的平均排名值作為中點，CD 值作為線長（圖2）。從圖中可以看出，CRMSS的線與CRIP、Passion、CircSLNN的線沒有重疊，這說明它們之間有很大的區(qū)別。與其他工具相比，CRMSS的線與iCircRBP-DHN的線接近，表明它們之間的差異較小。

3??RSS和RBD模型對性能的影響比較

作者分析了RSS和RBD的影響，從圖 1 中可以看到僅RSS或僅RBD會降低所有RBP的平均性能。然后，作者計算了AUC比率以獲取RSS和RBD對每個RBP的影響（圖3）。與RBD模型（Model 1）相比，RSS模型（Model 2）的性能下降更小，這表明RNA結(jié)構(gòu)信息比RBP信息更能影響circRNA上的結(jié)合位點。

4??RBP結(jié)合性能的比較

為了進一步研究CRMSS模型是否捕捉到RBP的結(jié)合偏好。一般認為在相同的生物過程中，RBP往往具有相似的結(jié)合偏好。作者使用BLAST方法計算基準數(shù)據(jù)集中所有RBP對的序列相似性。圖 4(A) 顯示所有RBP對的平均序列相似性約為0.13。作者選擇了兩組序列相似性差異較大的RBP對進行對照實驗，將具有最高序列相似性的10個RBP對設(shè)置為組1，而組2包含具有最低序列相似性的10個RBP對。從圖 4(B) 來看，兩組在序列相似性方面有顯著差異。對于每個RBP對，作者用一個RBP的結(jié)合位點訓(xùn)練模型，然后預(yù)測另一個RBP的結(jié)合位點，預(yù)測精度反映了RBP對結(jié)合偏好的相似性。從圖 4(C) 來看，組1中的RBP對的平均精度接近0.7，而組2中的RBP對的平均精度不超過0.3。因此，作者認為擁有更相似序列的RBP具有更接近的結(jié)合偏好。

5??實際應(yīng)用測試

為了測試CRMSS在實際應(yīng)用中的表現(xiàn)，作者選取了兩方面的數(shù)據(jù)集進行研究。

一方面，作者從NPInter數(shù)據(jù)庫中收集了經(jīng)過實驗驗證的circRNA-RBP相互作用對。如圖5所示，從所有的相互作用對中都檢測到了結(jié)合位點，表明CRMSS的預(yù)測結(jié)果是可靠的。

另一方面，作者采用RIP-seq數(shù)據(jù)集比較了CRMSS和上述四種工具的優(yōu)劣（表2）。其中，被兩種方法（Clirc和circRIP）檢測到的114個結(jié)合位點被設(shè)置為可靠的結(jié)合位點，而兩種方法都沒有檢測到的60個結(jié)合位點則設(shè)置為不可靠的結(jié)合位點。作者去除了577個結(jié)合位點的標簽，將對應(yīng)的circRNA和RBP信息輸入到訓(xùn)練好的CRMSS模型中，并重新預(yù)測結(jié)合位點的標簽。在114個可靠的結(jié)合位點中，約有107個可以被準確檢測，CRMSS的準確率達到93.9%；在60個不可靠的結(jié)果中，只檢測到兩個預(yù)測的結(jié)合位點。從表2可知，CRMSS在所有工具中的表現(xiàn)最優(yōu)異。

方法策略

對于circRNA，作者用k-mer編碼circRNA序列，用RNAplfold計算circRNA的二級結(jié)構(gòu)，然后將circRNA的兩個特征連接起來。對于RBP，每個RBP都使用RBD的序列和結(jié)構(gòu)頻率進行編碼。接著，作者分別將circRNA和RBP特征傳輸?shù)接啥喑叨菴NN層形成的殘差塊，輸出被連接起來并傳輸?shù)骄哂凶灾髯⒁鈾C制的BiLSTM。最后，作者使用softmax對具有完全連接層的結(jié)合位點進行分類。

小結(jié)

綜合上述所有的比較結(jié)果表明，CRMSS捕獲到了結(jié)合偏好并給出了可靠的預(yù)測。

與現(xiàn)有的RBP結(jié)合位點預(yù)測工具相比，CRMSS的性能表現(xiàn)得最優(yōu)異，不僅提供了準確的預(yù)測，而且有助于進一步研究分子機制。

感興趣的研究者可以嘗試下載使用。

參考文獻

Zhang L, Lu C, Zeng M, Li Y, Wang J. CRMSS: predicting circRNA-RBPbinding sites based on multi-scale characterizing sequence and structure features. Brief Bioinform. 2023 Jan 19;24(1):bbac530.?

轉(zhuǎn)載請聯(lián)系郵箱授權(quán)：circRNA@163.com