《Insects》：BeetleFormer: A Sequence Transformer for Identifying Effective Double-Stranded RNAs in the Red Flour Beetle, Tribolium castaneum
编辑推荐：
选择双链RNA（double-stranded RNA，dsRNA）试剂仍是昆虫基因功能研究和基于RNA干扰（RNA interference，RNAi）的害虫管理中的一个瓶颈。研究人员开发了BeetleFormer，用于学习赤拟谷盗（Tribolium ca
选择双链RNA（double-stranded RNA，dsRNA）试剂仍是昆虫基因功能研究和基于RNA干扰（RNA interference，RNAi）的害虫管理中的一个瓶颈。研究人员开发了BeetleFormer，用于学习赤拟谷盗（Tribolium castaneum）中与RNAi筛选结果相关的序列模式。该模型整合了多尺度卷积、长距离注意力、互补链对称性和序列描述符。遵循此前的dsRNA预筛选研究，研究人员将以死亡率或表型标准筛选出的14,821个iBeetle试剂作为阳性样本，以14,825个信使RNA（messenger RNA，mRNA）片段作为阴性样本。源基因和重叠序列在训练、验证和测试集之间分离。在6083条测试序列上，BeetleFormer取得了0.978的受试者工作特征曲线下面积（area under the receiver operating characteristic curve，AUC）、0.913的准确率和0.831的马修斯相关系数（Matthews correlation coefficient，MCC），而适配的卷积-循环比较模型分别为0.888、0.817和0.636。消融实验支持局部处理和链对称性的作用；在精确长度匹配后AUC仍保持0.976。在来自四个独立出版物中的20条已发表dsRNA和20条mRNA阴性对照上进行外部测试，AUC为0.928。模型解释揭示了末端集中的序列敏感性和有组织的学习表征。这些发现建立了一种改进的基于序列的预筛选方法，将全基因组规模的RNAi观测转化为候选选择证据，支持功能基因组学实验和基于RNAi的害虫防治开发。
一、研究背景与问题
RNA干扰（RNA interference，RNAi）是一种由双链RNA（double-stranded RNA，dsRNA）触发的序列特异性基因沉默机制，已发展为昆虫基因功能解析的常规工具和害虫防治的重要策略。化学杀虫剂虽仍是害虫防治的主流手段，但抗药性问题及对非靶标生物的潜在影响推动了更具选择性的替代方案的发展。2023年12月，美国环境保护署注册了可喷洒dsRNA活性成分ledprona用于防治科罗拉多马铃薯甲虫，这一进展被视为农药史上的“第三次革命”。然而，RNAi效率在不同物种、基因和dsRNA片段之间差异显著，受片段长度、靶标位置和递送方式等多种因素影响。此外，双链核糖核酸酶（dsRNase）可在dsRNA被有效摄取前将其降解，进一步增加了口服RNAi效果的变异性。
这种变异性在RNAi实验的第一步就造成了实际瓶颈：如何选择靶基因和待合成的dsRNA片段。计算预筛选提供了一种在合成前组织候选选择、系统利用既往实验积累的序列信息的方法。赤拟谷盗（Tribolium castaneum）作为储粮害虫和成熟的昆虫模型，其注射dsRNA可产生跨组织和发育阶段的系统性效应，这些特性支撑了全基因组规模的iBeetle筛选，为开发计算性dsRNA选择方法提供了丰富的序列-表型关联数据。
二、研究内容与结论
研究人员开发了BeetleFormer模型，用于学习赤拟谷盗中与RNAi筛选结果相关的序列模式。该模型整合多尺度卷积、长距离注意力、互补链对称性和序列描述符，以可训练的表征方式整合局部序列属性及其在片段中的上下文信息，并显式保证同一dsRNA分子的互补链表征获得一致的评分。在源基因分离的测试集上，BeetleFormer取得了0.978的受试者工作特征曲线下面积（area under the receiver operating characteristic curve，AUC）、0.913的准确率和0.831的马修斯相关系数（Matthews correlation coefficient，MCC），显著优于适配的卷积-循环比较模型。消融实验支持局部卷积和链对称性的贡献，精确长度匹配后AUC仍保持0.976。外部测试中，BeetleFormer在来自四个独立出版物的20条dsRNA和20条mRNA阴性对照上取得AUC 0.928。模型解释揭示了末端集中的序列敏感性和有组织的学习表征。该研究建立了改进的基于序列的预筛选方法，将全基因组规模的RNAi观测转化为候选选择证据，支持功能基因组学实验和基于RNAi的害虫防治开发。
三、关键技术方法
研究人员使用了以下主要技术方法：从iBeetle-Base获取阳性dsRNA试剂，以死亡率超过20%或携带表型注释为阳性标准；从赤拟谷盗官方基因集3（official gene set 3，OGS3）mRNA转录本中采样背景片段作为阴性对照；采用六符号词表（填充、A、C、G、T、N）进行序列编码，输入长度为640个token；模型架构包括双并行一维卷积（核宽5和9）、通道级最大池化降采样、三个预归一化Transformer层（四头注意力）、掩码序列聚合以及链对称性约束；训练采用AdamW优化器、线性预热和余弦衰减学习率调度；评估使用源基因分组分割、组件消融、精确长度匹配对照和外部测试集验证。
四、研究结果
3.1 数据集构成：初始收集包含14,825条筛选阳性dsRNA和14,825条mRNA来源背景片段。序列隔离标准排除4条记录后，建模数据集包含14,821条阳性和14,825条背景片段。阳性中65.5%满足dali11死亡率标准，86.8%携带表型注释，52.3%同时满足两项标准。序列长度范围为130至615碱基，总体中位数为282。
3.2 分类性能：在源基因分离的测试集上，BeetleFormer取得AUC 0.978、准确率0.913、MCC 0.831，适配的CNN-BiLSTM比较模型为0.888、0.817和0.636。配对AUC差异为0.090。单尺度Transformer架构对照取得AUC 0.929。
3.3 消融研究：完整模型测试AUC为0.978，去除链对称性后降至0.935，去除局部卷积、序列描述符和注意力池化后分别为0.868、0.976和0.977。链对称性包含序列表征和描述符的平均化。
3.4 背景长度差异的稳健性：仅长度逻辑对照AUC为0.550，组成加长度为0.558，完整30描述符对照为0.720。精确长度匹配保留4946条测试序列，BeetleFormer取得AUC 0.976，CNN-BiLSTM为0.882。长度优势在匹配后仍然保持，支持序列信息超越长度的判别能力。
3.5 外部分类测试：外部测试集包含来自四个出版物的20条dsRNA阳性和20条mRNA来源背景片段，长度范围217至596碱基。序列隔离条件下BeetleFormer取得AUC 0.928、准确率0.775、MCC 0.568，正确分类13/20阳性和18/20背景。CNN-BiLSTM为AUC 0.835、准确率0.750。基因隔离条件下BeetleFormer取得AUC 0.943、准确率0.725。
3.6 可解释性：前60个核苷酸位置分析显示阳性试剂在5'端附近相对C/G富集和A/T贫化。梯度分析显示模型对序列两端区域高度敏感，中央区域敏感度较低。主成分分析显示阳性试剂嵌入较为紧凑，mRNA阴性分布更广泛。混淆矩阵显示2884个阳性和2667个阴性正确分类，86个假阴性和446个假阳性。
3.7 dsRNA长度效应：BeetleFormer在130-399碱基序列上取得AUC 0.973，在400-615碱基序列上取得0.984。阳性序列在整个长度范围内普遍获得高分，而mRNA阴性得分分布更宽。精确长度匹配AUC 0.976和较弱的仅长度对照表明序列内容提供了超越片段大小的判别信息。
五、讨论与结论
讨论部分指出，RNAi连接了昆虫基因功能研究与选择性害虫防治策略的开发。BeetleFormer通过将iBeetle序列-表型关联转化为可复用的候选选择模型，在源基因分离数据、精确长度匹配和独立发表试剂上均表现出改进的判别能力。与基于比对和预定义特征的dsRNAEngineer和dsRIP相比，BeetleFormer贡献了可训练的完整试剂表征，能够学习未编码在既定规则中的关联。相对于dsRNAPredictor，BeetleFormer通过多尺度卷积、直接长距离注意力和显式互补链对称性推进了表征学习。末端集中的敏感性为序列决定因素的实验假设提供了基础。mRNA背景配方在可用数据约束下实现了大规模dsRNA序列学习，但背景类别并不断言实验测量的无活性。外部面板提供了超越iBeetle的独立评估证据。未来工作将优先收集已发表的序列关联测量数据并生成标准化数据，整合生物学背景，随后进行前瞻性湿实验测试和田间验证。
研究结论：BeetleFormer建立了一种改进的基于序列的预筛选方法，将全基因组规模的RNAi观测转化为候选选择证据，支持功能基因组学实验和基于RNAi的害虫防治开发。该模型在源基因分离测试、精确长度匹配和独立外部验证中均表现出稳健的判别性能，其模块化编码器为未来向定量功效回归、基因内片段排序和多任务预测的扩展提供了基础。
