基于多模态对比表征学习的lncRNA-miRNA互作预测模型MCRLMI：突破单模态局限的生物信息学新方法

本研究针对长链非编码RNA(lncRNA)与微小RNA(miRNA)互作(LMIs)预测中多模态数据融合不足的难题，开发了整合图卷积网络(GCN)与Transformer的多模态对比表征学习模型MCRLMI。该模型通过多通道注意力机制融合序列相似性、表达谱和GIP核相似性等多源特征，结合Kolmogorov-Arnold网络(KAN)实现动态交互映射，在三个基准数据集上AUC达0.9850，较现有方法提升4.82%，并通过案例验证了其发现新型癌症相关LMIs的潜力，为复杂疾病机制研究提供了新工具。

　　

在生命活动的精密调控网络中，长链非编码RNA(lncRNA)与微小RNA(miRNA)的相互作用(LMIs)如同分子对话的密码本，调控着基因表达与疾病进程。研究表明，肝癌中miR-125b通过抑制致癌lncRNA HOTTIP影响肿瘤发展，而明星分子HOTAIR则通过与多种miRNA互作参与癌症演进。这些发现凸显了LMIs在疾病诊断和治疗中的巨大价值。然而，传统湿实验方法耗时费力，难以应对海量数据的分析需求；现有计算方法又受限于单模态信息利用，无法捕捉多源数据间的互补关联，成为制约LMI预测精度的关键瓶颈。

针对这一挑战，东北林业大学与郑州大学的研究团队在《Briefings in Bioinformatics》发表了创新性研究成果。研究者开发了名为MCRLMI的多模态对比表征学习框架，通过整合序列、表达谱和互作网络等多维数据，实现了LMIs的高精度预测。该模型在平衡数据集DS-R1上取得AUC 0.9850的优异表现，较次优方法提升4.82%，且在冷启动场景下仍保持稳定性能。这项工作为解析RNA调控网络提供了新范式，其预测的17个新型癌症相关互作经数据库验证，展现出显著的转化医学价值。

研究采用三大关键技术路线：首先构建lncRNA/miRNA的序列相似性(Levenshtein距离)、表达谱相似性(Pearson相关系数)和GIP核相似性矩阵，经p-近邻图优化后输入GCN提取局部结构特征；其次采用多尺度k-mer(2/3/4)编码结合Transformer捕获序列长程依赖特征；最后通过多通道注意力机制融合多模态特征，并引入对比学习优化表征，最终由KAN网络实现交互预测。实验数据来自GENCODE、LNCipedia和miRBase等权威数据库，涵盖270个miRNA和1,643个lncRNA。

【局部邻域结构特征】通过GCN处理三种相似性矩阵，发现表达谱相似性对单模态预测贡献最大(AUC 0.9326)，而三模态融合使性能提升5.24%，证实多源数据互补优势。可视化分析显示，经过50轮训练后样本嵌入的轮廓系数(SC)从0.0176升至0.0966，Calinski-Harabasz指数(CH)增长414%，表明模型能有效区分互作与非互作对。

【长距离依赖特征】Transformer对k=3的k-mer编码表现最佳，三尺度融合使AUPR提升0.13%。消融实验显示，移除GCN或Transformer分别导致AUC下降11.49%和7.2%，证实双网络协同的必要性。注意力权重分析揭示miR-590-3p的5'-端序列对识别lncRNA结合域具有决定性影响。

【多模态对比学习】对比学习使模型在DS-R5(1:5不平衡数据)的召回率提升15.7%，证明其缓解类别偏差的能力。案例研究中，模型成功预测XIST lncRNA与miR-26a-5p的潜在互作，二者共享GO:0060255调控功能模块，为实验验证提供新线索。

【KAN预测机制】与传统MLP相比，KAN的B样条激活函数使F1-score提高2.22%，其边缘函数映射特性有效规避了特征拼接顺序偏差。时间分析显示MCRLMI每轮训练耗时仅为Transformer基线的1.7倍，兼顾效率与精度。

该研究开创性地建立了多模态融合的LMI预测范式，其方法论创新体现在三方面：首次将对比学习引入RNA互作预测，通过GCN-Transformer双通道架构实现结构-功能特征的协同建模；开发基于KAN的动态交互解码器，突破传统拼接方法的表征瓶颈；构建覆盖1,913个分子的多尺度数据库，为后续研究提供基准平台。预测发现的hsa-miR-211-5p/XIST等新型互作对，为肝癌、胰腺癌等恶性肿瘤的分子分型提供了候选靶点。未来通过引入负样本优化策略和时空表达约束，有望进一步拓展模型在单细胞测序等前沿领域的应用场景。这项成果不仅推进了非编码RNA调控网络的解码进程，也为多组学数据整合分析树立了技术标杆。