LOCAS：基于监督对比学习的多标签mRNA亚细胞定位预测新方法

本研究针对mRNA亚细胞定位预测中单标签分类模型的局限性，开发了LOCAS（Localization with Supervised Contrastive Learning）多标签预测框架。该研究整合RNA语言模型（RiNALMo）生成序列嵌入，通过重叠阈值感知的监督对比学习（SCL）优化特征空间，并采用ML-Decoder进行多标签分类。在RNALocate和RNALocate V2.0数据集上验证表明，LOCAS各项指标均达最优，尤其对重叠标签的RNA序列预测准确率显著提升（平均MCC 0.621），为研究mRNA空间调控机制及疾病关联提供新工具。

　　

12345678978654321

mRNA在细胞内的精确定位是基因调控的核心环节，从早期发现海鞘胚胎中肌动蛋白mRNA的极性分布，到揭示神经元突触中mRNA局部翻译对记忆形成的作用，这一过程始终是生命科学的研究热点。然而，传统实验方法如原位杂交（ISH）耗时昂贵，而早期计算模型如RNATracker、iLoc-mRNA等仅支持单标签预测，无法反映mRNA多定位的生物学本质。随着DM3Loc、Allocator等多标签模型的涌现，如何准确捕捉定位标签间的复杂关联成为新挑战。

LOCAS研究团队创新性地将自然语言处理领域的对比学习引入RNA研究。通过预训练语言模型RiNALMo将RNA序列转化为1280维嵌入向量，采用残差卷积与多头自注意力（8头）结合的编码器生成128维特征。针对多标签特性设计的重叠相似度算法（公式3）突破传统监督对比学习限制，当标签重叠度超过阈值θ时视为正样本对。最终通过ML-Decoder的交叉注意力机制实现九类亚细胞定位的并行预测，其线性计算复杂度显著优于传统Transformer解码器。

性能验证

在RNALocate V1.0的六类定位测试中，LOCAS平均MCC（0.621）远超第二名MSlocPRED（0.534），其中膜定位预测MCC达0.680。独立测试集RNALocate V2.0的九类预测显示，LOCAS的绝对真阳性率（0.288）比Clarion提高2%，覆盖误差（2.126）降低31.5%。特别在神经元相关定位（如突触小体）预测中，模型准确捕捉到与脆性X综合征相关的定位模式。

技术解析

1. 1.

   RiNALMo语言模型：基于A/U/C/G四字符词汇表，通过[CLS]令牌生成序列级嵌入

2. 2.

   重叠感知SCL：定义相似度阈值θ=0.6（补充材料），投影层将特征降至64维

3. 3.

   ML-Decoder：移除自注意力模块，参数量减少至传统结构的1/4

生物学意义

该模型首次证实RNA语言模型特征与亚细胞定位的强相关性。在讨论部分，作者指出批次效应对SCL的影响（需确保每批含θ≥0.6的样本），这为后续研究指明优化方向。LOCAS对阿尔茨海默病相关tau蛋白mRNA的核质穿梭预测结果，为理解神经退行性疾病提供新视角。

研究同时发现，当定位标签包含核糖体与内质网（ER）时，模型预测置信度提升15%，这与已知的ER-核糖体协同转运机制相符。这种生物学可解释性使LOCAS超越传统黑箱模型，Dhaka-1000团队正将其应用于孟加拉国地区高发的神经发育障碍病例分析。论文发表于《Briefings in Bioinformatics》，开源代码已获GNU GPLv3认证。