细菌小 RNA 与 mRNA 互作预测新方法：图神经网络与集成模型提升未知条件下的预测效能

细菌小 RNA（sRNA）通过结合 mRNA 调控基因表达，但其互作预测受限于实验条件。本研究开发 GNN（GraphRNA、kGraphRNA）和决策森林（sInterRF、sInterXGB）模型，结合 SEM 集成模型，在跨条件预测中显著提升 AUC 和 PR-AUC，为 sRNA 调控机制研究提供新工具。

　　细菌世界里，微小的 RNA 分子正上演着调控基因表达的 “暗战”。细菌小 RNA（sRNA）作为关键的转录后调控因子，通过与 mRNA 靶标结合影响毒力、代谢等重要生理过程。然而，揭示 sRNA 与 mRNA 的互作网络面临重重挑战：高通量（HT）实验虽能捕获大量互作数据，却受限于特定环境条件，且技术门槛高、检测效率低；传统计算方法如 RNAup、CopraRNA 等或依赖能量计算，或受限于保守 sRNA 预测，难以准确刻画复杂环境下的动态互作。如何从有限条件的实验数据中挖掘普适性规律，预测未知条件下的互作关系，成为破译细菌基因调控密码的关键科学问题。

为突破这一瓶颈，以色列本古里安大学（Ben-Gurion University of the Negev）的研究团队开展了一项富有创新性的研究。他们聚焦大肠杆菌 K12 MG1655 菌株，开发了基于机器学习（ML）的预测模型，旨在实现不同环境条件下 sRNA-mRNA 互作的精准预测。相关成果发表在《BMC Bioinformatics》，为细菌 RNA 调控研究开辟了新路径。

关键技术方法

研究采用多模型协同的技术策略：

1. 图神经网络（GNNs）：构建包含 sRNA 和 mRNA 节点的二分图，通过 GraphRNA（随机初始化节点嵌入）和 kGraphRNA（基于 3-mer 频率特征初始化）学习图结构中的互作模式，利用 GraphSAGE 卷积层实现节点表示的迭代更新。
2. 决策森林模型：包括随机森林（sInterRF）和 XGBoost（sInterXGB），整合局部互作特征（如 RNAup 计算的杂交能量、双链结构参数）和 3-mer 频率差异特征，通过特征选择算法（mRMR）优化输入维度。
3. 求和集成模型（SEM）：结合单一模型预测分数，如 GraphRNA 与 CopraRNA 的组合，提升预测鲁棒性。
   实验数据来自 sInterBase 数据库，分为低通量（LT）和高通量（HT）数据集，通过留一条件法（seen-to-unseen）和 HT-to-LT 评估模型跨条件泛化能力。

研究结果

1. 未知条件下的互作预测效能

在三种 “已知 - 未知” 条件评估中（对数期 - 稳定期、LB 培养基 - m63 培养基、正常 - 胁迫），GNN 模型表现突出：

• kGraphRNA在对数期到稳定期预测中，AUC 达 0.84，显著优于 sRNARFTarget（AUC=0.79，p=3.24×10^-7），PR-AUC 提升至 0.80，表明其对生长阶段转变的互作动态具有强捕捉能力。
• 在培养基类型预测（LB→m63）中，SEM_kGraphRNA_sInterRF 模型 AUC 达 0.91，pAUC（FPR≤0.15）为 0.72，显示出对营养环境变化的适应性。
• 胁迫响应预测中，sInterRF 模型 AUC 为 0.74，虽低于前两项任务，但仍显著优于 CopraRNA（p=0.03），揭示了胁迫条件下互作机制的复杂性。

2. 高通量到低通量数据的预测迁移

在 HT-to-LT 评估中，SEM_GraphRNA_CopraRNA 模型表现最佳（AUC=0.70，PR-AUC=0.79），显著优于单一模型 CopraRNA（p=0.004）。尽管 HT 数据包含更多动态互作，而 LT 数据侧重功能验证，集成模型通过融合序列特征与进化保守性，有效弥合了不同实验体系的差异。

3. 特征重要性与互作机制解析

通过 SHAP 值分析发现，3-mer 频率差异特征（如 TTT、CTG）对模型预测贡献最大，其中 TTT 频率差高值降低互作概率，与生物学中 sRNA-mRNA 种子区配对偏好一致。局部互作特征中，杂交能量（ΔG_h）、双链碱基对数、sRNA 展开能量等热力学参数显著影响预测结果，印证了 Hfq 介导的 RNA 双链形成机制 ——Hfq 通过降低 sRNA 结构稳定性促进互作。

结论与意义

本研究首次系统验证了机器学习模型在跨环境条件预测 sRNA-mRNA 互作中的有效性，揭示了 RNA 序列组成与双链结构特征在互作中的核心作用。GNN 模型摆脱了对传统能量计算工具（如 RNAup）的依赖，提升了预测效率与可扩展性；集成模型则通过多维度特征融合，为复杂生物网络预测提供了通用框架。

尽管研究聚焦大肠杆菌，但其方法可推广至其他细菌菌株，尤其适用于物种特异性 sRNA 的预测，填补了 CopraRNA 等工具的空白。随着 HT 技术的普及与多物种互作数据的积累，基于图神经网络和集成学习的预测模型将成为解析细菌 RNA 调控网络的核心工具，为抗菌靶点发现、合成生物学设计提供理论支撑。未来研究可进一步探索跨物种迁移学习，以解决低数据量细菌的互作预测难题，推动微生物组研究的智能化发展。