基于随机搜索优化的卷积神经网络模型RSCNN-PseU：一种高效识别RNA假尿苷修饰的新方法

为解决RNA假尿苷（Ψ）修饰识别效率低的问题，Minzu University of China的研究团队开发了RSCNN-PseU模型。该研究通过融合二核苷酸自由能（FreeEnergy）和亲水性（Hydrophilicity）的DFT特征提取方法，结合动态全连接层CNN架构与随机搜索优化，在人类、酵母和小鼠数据集上实现平均ACC达0.941-0.965。其创新特征工程和自适应模型调节机制为RNA修饰研究提供了新工具，对mRNA疫苗设计具有重要价值。

　　

在生命科学领域，RNA修饰如同隐藏在基因序列中的"密码暗号"，而假尿苷（Ψ）作为最常见的RNA修饰类型，被称为"RNA第五核苷酸"。这种由尿苷异构化形成的特殊修饰，不仅能增强RNA结构稳定性，还能通过降低mRNA免疫原性成为疫苗研发的关键元件。然而传统化学检测方法仅适用于短序列识别，高通量测序技术如Pseudo-seq又面临成本高昂的瓶颈。尽管已有机器学习模型如iPseU-CNN尝试突破，但特征表达能力和模型适应性仍存在显著局限。

针对这一挑战，Minzu University of China的Jian Jin和Jie Feng研究团队在《Briefings in Bioinformatics》发表了创新性研究成果。他们提出RSCNN-PseU模型，通过融合二核苷酸物理化学特征与深度学习架构，实现了Ψ位点的高精度预测。该研究首次将自由能和亲水性两种二核苷酸特性经离散傅里叶变换（DFT）转化为频域特征，构建出维度为2(N-1)的特征向量。采用动态全连接层CNN架构，利用随机搜索算法优化卷积核尺寸（conv_kernel）、全连接层数（sense_layers）等关键参数，在人类（H. sapiens）、酵母（S. cerevisiae）和小鼠（M. musculus）数据集上展现出超越现有方法的性能。

关键技术方法包括：1）基于CD-HIT去冗余处理的三个物种训练集（S₁-S₃）和两个独立测试集（S₄-S₅）；2）自由能/亲水性DFT振幅特征提取；3）含最大池化层的混合CNN架构；4）10折交叉验证与SHAP特征重要性分析。

研究结果

序列分析

通过two-sample logo工具发现：人类Ψ序列中位点周围存在U富集和G/C偏态分布，酵母Ψ序列显示G富集特征，而小鼠Ψ序列呈现上下游U富集模式。这些保守特征为DFT特征设计提供了生物学依据。

特征重要性分析

SHAP分析揭示：人类数据集中FreeEnergy_Amp_1/11/16和Hydrophilicity_Amp_7贡献度最高；小鼠数据中FreeEnergy_Amp_11的SHAP值达0.15，对应RNA序列11-20位点的物理化学性质变化，与序列分析发现的"U-rich区域"高度吻合。

模型性能

在独立测试集S₄上，RSCNN-PseU的ACC达0.965（AUC=0.978），较RF-PseU提升28.7%。跨物种比较显示，人类数据集需更复杂架构（2层全连接+SeLU激活），而酵母和小鼠仅需1层ReLU网络，证实模型的自适应调节能力。

方法对比

与七种主流算法相比，CNN在五项指标上全面领先：在S₂数据集ACC达0.949，较LSTM提高12.3%；AUC值（0.951-0.962）显著优于XGBoost（0.7-0.77）。与iPseU-TWSVM相比，特征维度减少87.5%但ACC提升29.7%，证明DFT特征的高效性。

该研究通过物理化学特征与深度学习的前沿融合，建立了目前最精准的Ψ位点预测系统。其创新性体现在：1）首次将DFT频域分析应用于RNA修饰特征提取；2）开发动态架构调节机制适应不同物种需求；3）SHAP分析揭示FreeEnergy_Amp_11等关键特征位点。这些发现不仅为RNA修饰机制研究提供了新视角，其构建的2(N-1)维特征体系更为其他RNA修饰预测提供了可借鉴的范式。在mRNA药物研发领域，该技术有望加速修饰位点的理性设计，降低疫苗开发的试错成本。未来通过引入三核苷酸效应和元启发式算法，模型性能还有进一步提升空间。