PeTMiner：基于端到端深度学习的植物内源性靶标模拟物挖掘框架

《BMC Genomics》：PeTMiner: Mining plant endogenous target mimics via ternary interaction modeling with hierarchical attention and adaptive weighted loss

【字体：大中小】 时间：2026年10月14日 来源：BMC Genomics 3.9

编辑推荐：

　　摘要背景在植物竞争性内源 RNA（ceRNA）机制中，内源性靶标模拟物（eTMs）与信使 RNA（mRNAs）竞争结合微小 RNA（miRNAs），从而调节 mRNA 的表达。高效挖掘 eTMs 对于探索调控网络的功能影响至关重要。然而，目前仍缺乏有效的计算方法。结果为填补这

摘要

背景

在植物竞争性内源 RNA（ceRNA）机制中，内源性靶标模拟物（eTMs）与信使 RNA（mRNAs）竞争结合微小 RNA（miRNAs），从而调节 mRNA 的表达。高效挖掘 eTMs 对于探索调控网络的功能影响至关重要。然而，目前仍缺乏有效的计算方法。

结果

为填补这一空白，我们提出了 PeTMiner，这是一个端到端的计算框架，通过识别 eTM-miRNA-mRNA 三元相互作用来挖掘植物 eTMs。PeTMiner 利用专门针对植物 RNA 的预训练基础模型从原始序列中提取深层语义表示。它采用分层注意力机制来压缩长序列表示并融合跨分子表示。它还利用自适应加权损失函数来缓解由跨物种数据不平衡引起的模型优化偏差。

结论

大量实验表明，PeTMiner 在标准、跨物种和不平衡跨平台测试集上取得了卓越的性能和强大的泛化能力。此外，PeTMiner 支持生物可解释性，并为功能注释和富集分析提供了可靠的候选者。

背景

在植物竞争性内源 RNA（ceRNA）机制中，内源性靶标模拟物（eTMs）与信使 RNA（mRNAs）竞争结合微小 RNA（miRNAs），从而调节 mRNA 的表达。高效挖掘 eTMs 对于探索调控网络的功能影响至关重要。然而，目前仍缺乏有效的计算方法。

结果

为填补这一空白，我们提出了 PeTMiner，这是一个端到端的计算框架，通过识别 eTM-miRNA-mRNA 三元相互作用来挖掘植物 eTMs。PeTMiner 利用专门针对植物 RNA 的预训练基础模型从原始序列中提取深层语义表示。它采用分层注意力机制来压缩长序列表示并融合跨分子表示。它还利用自适应加权损失函数来缓解由跨物种数据不平衡引起的模型优化偏差。