编辑推荐：
为解决传统方法难以高效准确预测 snoRNA - 疾病关联的问题，研究人员开展了 GL4SDA（基于图神经网络 GNN 和大语言模型 LLM 预测 snoRNA - 疾病关联）的研究。结果显示该方法在链接预测任务中表现出色，有助于探索 snoRNA - 疾病关系。
在生命科学领域，小核仁 RNA（snoRNA）的研究正逐渐成为热点。snoRNA 作为一类非编码 RNA（ncRNA），在核糖体 RNA（rRNA）、小核 RNA（snRNA）等的生物合成和成熟过程中扮演着不可或缺的角色。它们通过与 RNA 结合蛋白（RBPs）等形成 snoRNP 复合物，引导 rRNA 和 snRNA 的甲基化、假尿苷化等修饰，这些修饰对于核糖体和剪接体的正常功能至关重要。
近年来，越来越多的研究发现，snoRNA 与多种人类疾病密切相关。在癌症领域，snoRNA 的异常表达十分常见，并且在不同癌症类型、阶段和转移过程中呈现出差异表达，能够积极影响疾病进程。例如，在某些癌症中，特定 snoRNA 的缺失或过表达会导致相关信号通路的改变，进而促进肿瘤的形成和发展。然而，传统的实验方法在揭示 snoRNA 与疾病之间的关联时，存在耗时久、成本高的问题，这使得科研人员急需一种高效且准确的计算方法来解决这一难题。
在此背景下，来自未知研究机构的研究人员开展了一项旨在预测 snoRNA - 疾病关联的研究，相关成果发表在《Computational and Structural Biotechnology Journal》上。研究人员提出了一种名为 GL4SDA（GNN and LLM for snoRNA - disease association，基于图神经网络和大语言模型预测 snoRNA - 疾病关联）的全新方法。
研究人员主要运用了以下关键技术方法：首先，从 RNADisease v4.0 数据库获取 snoRNA - 疾病关联数据，经过筛选和处理得到训练数据集。对于 snoRNA 的特征提取，利用其二级结构，通过 Molecular Substructure Miner（MoSS）算法获取结构特征，将其表示为布尔特征向量；对于疾病特征，从
Malacards.org数据库获取疾病描述，使用北京人工智能研究院（BAAI）的 bge - icl - en 模型生成疾病嵌入。然后，构建了基于不同图神经网络（GNN）层的模型，包括 GraphConv、SAGEConv 和 GATv2Conv 层，通过实验比较不同模型的性能 。
在实验结果方面：
- 模型性能评估：通过将数据集随机划分为训练集和测试集，并进行 10 折交叉验证，研究人员发现 GL4SDA 的 GraphConv - based 模型在各项评估指标中表现优异。该模型在不考虑边权重时，获得了最高的 MCC（马修斯相关系数）、AUC（受试者工作特征曲线下面积）等分数，表明其能够更好地捕捉 snoRNA 和疾病特征及其关联的隐藏模式。与其他三种基于图的先进工具（IGCNSDA、GCLSDA 和 SAGESDA）相比，GL4SDA 在除召回率外的所有指标上均表现更优，其精度得分高达 92%，意味着预测的阳性关联可靠性极高，且 MCC 值显著高于其他方法，体现了其稳定性和平衡性。
- 特征重要性分析：研究人员通过消融实验评估了节点特征对模型性能的影响。分别采用 4 - mer 表示 snoRNA 序列和通用嵌入表示疾病特征、结构片段表示 snoRNA 和通用嵌入表示疾病、4 - mer 表示 snoRNA 和 LLM 嵌入表示疾病这三种组合进行实验，结果表明 snoRNA 结构特征和疾病 LLM 嵌入均对分类得分有显著提升，证明了所选取特征的有效性。
- 案例研究验证：研究人员针对结直肠癌和肺癌进行了案例研究。为每种疾病创建测试集，预测可能的 snoRNA - 疾病关联，并在文献中搜索实验验证。在肺癌验证分析中，发现 GL4SDA 预测的一些 snoRNA，如 SNORD48、SNORD44 等，在文献中有证据表明其在肺癌组织中存在差异表达，部分 snoRNA 还与肺癌的发展机制相关，如 SNORA71A 通过调节 MAPK/ERK 通路刺激上皮 - 间质转化（EMT）。在结直肠癌验证分析中，也发现多个预测的 snoRNA，如 SNORA61、SNORA71A 等，与结直肠癌的发生发展密切相关，涉及 NF - κB 信号通路等关键生物学过程。此外，研究人员还对肺癌案例进行了解释性研究，利用可解释人工智能（XAI）技术获取对预测关联贡献最大的 snoRNA 节点特征，这些特征可作为分子设计的结构背景。
研究结论和讨论部分指出，GL4SDA 通过整合 snoRNA 结构特征和疾病 LLM 嵌入，有效构建了异质生物图中复杂关系的特征丰富表示，在预测 snoRNA - 疾病关联方面优于现有基于图的方法。案例研究进一步验证了该方法在揭示新型 snoRNA - 疾病关系方面的潜力，能够为实验研究提供指导，减少科研人员的工作量。然而，该研究也存在一定局限性。数据集方面，公开可用的已验证 snoRNA - 疾病关联较少，且数据集稀疏不平衡，无法进行外部独立测试。在模型方面，尽管所选 LLM 模型表现出色，但由于其通用训练集的特性，可能无法完全捕捉罕见疾病的细微差别，且无法确定未来模型更新对性能的影响。未来研究可考虑扩展模型，纳入 snoRNA - 疾病关联的正负性信息，这将有助于科学家更深入理解关联的生物学效应。此外，该研究为分析其他 ncRNA - 疾病相互作用奠定了基础，有望推动生命科学和健康医学领域的进一步发展。
