外泌体miRNA液体活检标志物的计算预测模型构建与验证

本研究针对液体活检中exosomal miRNA（外泌体微小RNA）预测的挑战，开发了整合序列比对与人工智能的EmiRPred模型。研究人员通过MERCI和BLAST挖掘序列特征，结合机器学习（ML）、深度学习（DL）和预训练语言模型（PLM），构建了AUC达0.73的集成模型，揭示了GgapAAGCAC等关键motif。该成果为无创诊断提供了新型计算工具，相关平台已开源。

　　

在精准医疗时代，液体活检技术因其无创特性成为疾病诊断的新宠。然而传统生物标志物如循环肿瘤DNA(ctDNA)存在丰度低、稳定性差等局限。近年来，外泌体（exosome）因其携带的miRNA具有高度稳定性，成为液体活检的明星靶标。但外泌体miRNA的筛选机制如同"分子黑箱"，实验验证耗时费力，且现有计算方法预测精度不足——这正是Akanksha Arora和Gajendra Pal Singh Raghava团队在《Scientific Reports》发表研究的突破口。

研究团队采用多组学策略，首先从RNALocate和miRBase数据库收集1912条人源miRNA序列（956条外泌体来源，956条非外泌体），构建训练集与验证集。关键技术包括：1）MERCI软件挖掘序列motif；2）BLAST短序列比对；3）Nfeature提取核苷酸组成等214维特征；4）结合随机森林(RF)、卷积神经网络(CNN)等7种算法；5）DNABERT语言模型进行序列嵌入。最终通过加权集成策略融合三类方法优势。

Alignment-based classification methods

通过MERCI发现GgapAAGCAC等11个外泌体特异性motif，但仅覆盖5.2%序列。BLAST在e-value=10^-2时准确率最高，但覆盖率仅29%。

AI-based classification methods

特征分析显示外泌体miRNA偏好1号位点C碱基(C_1)、21号位点U(U_21)等结构特征。集成模型在验证集达到AUC 0.707，其中反向互补序列三核苷酸RDK_CAC差异最显著（p<0.0001）。

Hybrid classification method

融合motif搜索、BLAST比对和Extra Trees算法，最终模型AUC提升至0.73，准确率67.62%，显著优于miRNALoc等现有工具（AUC 0.494）。

该研究首次系统揭示了外泌体miRNA的序列特征规律，开发的EmiRPred平台（https://webs.iiitd.edu.in/raghava/emirpred/）包含四大功能模块：预测、设计、motif扫描和序列比对。值得注意的是，模型在EL-RMLocNet数据集测试中AUC高达0.891，证实其强泛化能力。尽管当前外泌体异质性仍带来预测挑战，但这项工作为癌症、心血管疾病等领域的无创诊断提供了新型计算框架，其设计的突变体生成功能更为RNA疗法开发开辟了新思路。