《Journal of Molecular Biology》：DNA Analyser: An interactive web server for integrated prediction of local non–B DNA structures in genomic sequences
编辑推荐：
文中未提供独立摘要；依据摘要性亮点及引言首段翻译如下：DNA Analyser：一个用于基因组序列中局部非B DNA（non-B DNA）结构综合预测的交互式网络服务器。该平台整合七个DNA分析和序列设计模块；用户可上传序列、粘贴DNA或检索NCBI（美国国家
文中未提供独立摘要；依据摘要性亮点及引言首段翻译如下：DNA Analyser：一个用于基因组序列中局部非B DNA（non-B DNA）结构综合预测的交互式网络服务器。该平台整合七个DNA分析和序列设计模块；用户可上传序列、粘贴DNA或检索NCBI（美国国家生物技术信息中心）记录；共享序列管理支持对同一区域的互补分析；交互式视图和导出支持探索预测区域；访客用户无需注册即可访问所有分析功能；平台独立于浏览器/操作系统（Browser/OS），已在Windows、macOS、iOS、Unix/Linux和Android上的Chrome、Firefox、Edge、Opera和Safari中测试。非经典DNA结构统称为非B DNA（non-B DNA），其构象不同于经典Watson–Crick B型DNA双螺旋，包括G-四链体（G-quadruplexes，G4s）、Z-DNA和十字形（cruciforms）；R-loop是包含RNA–DNA杂交体（RNA–DNA hybrid）和置换单链DNA（single-stranded DNA）的相关三链核酸结构。这些结构参与转录、复制和基因组稳定性，其失调与遗传变异和疾病相关；由于形成非B DNA结构的倾向主要由基因组序列编码，计算预测仍是其识别和表征的关键第一步。多种专门生物信息学工具已用于检测不同类别非B DNA结构；由于预测算法众多，研究人员在考察感兴趣基因组区域时经常需要组合多个独立工具，这常需重复序列格式化、分别提交数据、人工比较输出和整合异质结果格式，尤其妨碍对同一基因组区域多种非B DNA特征的综合概览；随着基因组测序项目和大规模基因组数据集增加，对无需计算专业知识的集成、易用探索性序列分析平台的需求增长。DNA Analyser通过将多种互补分析引入共享网络环境满足该需求，可从单条或批量序列识别多种生物学相关序列特征和非B DNA结构，支持上传文件、直接输入、NCBI检索、交互可视化和适合下游分析的互操作格式导出；各分析模块已在专门出版物中描述和验证，其新颖性在于整合为统一、可访问、面向工作流的非B DNA结构分析平台。
研究背景与意义：非经典DNA结构统称非B DNA（non-B DNA），包括G-四链体（G-quadruplexes，G4s）、Z-DNA、十字形（cruciforms）及与RNA–DNA杂交体（RNA–DNA hybrid）和置换单链DNA（single-stranded DNA）相关的R-loop；其参与转录、复制和基因组稳定性，失调与遗传变异和疾病相关。由于形成倾向主要由基因组序列编码，计算预测是识别和表征的关键第一步。已有G4Hunter、G4Killer、QmRLFS-finder、R-loop Tracker、Palindrome analyser、Z-DNA Hunter、Z-DNABERT、CpX Hunter及p53反应元件（p53 response elements）预测等专门工具，但研究人员常需组合多个独立工具，导致重复序列格式化、分别提交、人工比较和异构结果整合，妨碍同一区域多种非B DNA特征的综合概览；测序项目和大规模基因组数据增加也要求无需计算专业知识的集成、易用平台。DNA Analyser将多种互补分析置于共享网络环境，支持单条或批量序列识别多种序列特征和非B DNA结构，支持上传文件、直接输入、从NCBI（美国国家生物技术信息中心）检索、交互可视化和互操作导出；其新颖性在于把已描述和验证的模块整合为统一、可访问、面向工作流的平台，研究人员据此描述其实现、架构、模块和应用。
主要关键技术方法：平台支持FASTA/纯文本上传、粘贴、NCBI检索和多序列共享管理；前端Vue.js经REST调用Spring Boot/Java后端与PostgreSQL数据库，支持异步作业；Z-DNABERT（CPU）由独立FastAPI/Python服务和CPU-only PyTorch推理实现；生产环境采用容器化部署并在多浏览器/多操作系统测试。验证包括已发表方法依据、合成2,048-bp对照的确定性一致性检查、均匀随机序列的内核计时，以及截至2026年9月19日平台数据库导出的描述性使用统计；无生物样本队列。
研究结果：
访问与序列处理（Access and sequence handling）：平台免费且无需注册/登录，可上传纯文本或FASTA、粘贴序列或从NCBI检索，多序列导入支持同一工作区重复分析；首次访问创建匿名访客身份，访客与注册用户具有相同导入、分析、可视化和导出功能，注册用于恢复存储序列和结果，访客凭证丢失则匿名历史不可恢复。结果视图显示设置、汇总统计、预测区域和图形摘要；位置相对于提交序列，基因组解释需已知参考和组装；输出为CSV或模块特定bedGraph，合并前应检查坐标、偏移、链方向和评分列。
整合模块（Integrated modules）：当前含七个活动模块。G4Hunter、R-loop Tracker和Z-DNA Hunter实现已发表序列扫描方法；界面标签Z-DNABert2指已发表预训练Z-DNABERT模型变体的本地CPU集成，不是第二代模型或新训练研究，文中称Z-DNABERT（CPU），可用变体采用原始6-mer DNABERT架构：HG_chipseq（默认）、HG_kouzine、MM_curax和MM_kouzine，后缀不表示DNABERT-2架构。CpX Hunter识别CpG、CpA、CpT和CpC岛；G4Killer按选定G4Hunter评分重设计序列；p53预测器实现Veprintsev–Fersht序列亲和模型；Palindrome analyser仍为独立伴随服务器。
实现与可重复性（Implementation and reproducibility）：后端以Spring Boot/Java和PostgreSQL管理用户、序列和分析元数据及结果存储；Vue.js单页前端经REST端点通信并支持异步作业；Z-DNABERT（CPU）为独立FastAPI/Python服务和CPU-only PyTorch推理；生产组合以容器分离反向代理/HTTPS、前端、后端、数据库、文件服务器和Z-DNABERT服务，部署于Dell Precision 7960 Rack、Debian GNU/Linux 13（x86-64）、双20核Intel Xeon Silver 4416+（40物理核、80逻辑处理器）、125 GiB RAM及RAID 1镜像存储；兼容性测试覆盖Chrome、Firefox、Edge、Opera和Safari及Windows、macOS、Linux/Unix、Android和iOS。
示例（Examples）：内置5,366-bp MYC示例可跨模块重用且无需注册；25-nt窗口和阈值1.2时，G4Hunter在2026年9月14日界面检查中返回42条结果记录，详细视图列出序列和评分；R-loop Tracker默认3G-cluster起始模型同次返回四个候选区域并含起始区、连接区和延伸区注释，两类输出针对不同结构倾向，不必重合；示例名称本身不确立基因组组装。合成2,048-bp对照中，CG重复可用CpX Hunter的CpG模式和Z-DNA Hunter检查，嵌入的p53矩阵参考可用p53预测器扫描，G-rich种子GGGAGGGAGGGAGGG可提交G4Killer并以阈值1.2为目标；这些设计对照说明模块行为，不代表实验验证。
验证与解释（Validation and interpretation）：验证有两个目标：评估底层预测方法及检查共享平台中的实现。已发表方法研究提供G4Hunter、QmRLFS-finder和R-loop Tracker、Z-DNA Hunter、CpX Hunter、p53亲和模型及G4Killer重设计的生物学评价；Z-DNABERT服务使用已发表预训练模型，未本地重训练或重校准；G4All预印本整理实验研究的G4形成序列和非G4对照，可供未来外部基准，但未用于估计本研究准确度。
监督机器学习中的数据泄漏管理（Management of data leakage in supervised machine learning）：仅Z-DNABERT（CPU）使用监督机器学习；平台整合已发表预训练权重，不使用用户序列或使用数据重训练、微调或选择模型，未用本地数据集估计准确度或选择默认置信阈值。因此本工作不引入训练、验证或测试划分，也不报告新的预测准确度估计；原始评价中的训练数据构建和可能泄漏仍属来源研究属性，仅推理部署不能证明原评价无泄漏；确定性软件检查测试执行和一致性，而非机器学习泛化。
本地一致性检查与计算计时（Local consistency checks and computational timing）：研究人员用当前仓库实现和含G-rich、交替CG及p53参考基序的合成2,048-bp对照进行可重复性和一致性检查；六个确定性模块被测试：G4Hunter、G4Killer、R-loop Tracker、Z-DNA Hunter、CpX Hunter的CpG模式及p53预测器；15项检查全部通过，包括重复性、返回序列与坐标一致、适用时的坐标移动和反向互补、p53参考恢复及G4Killer设计重评分；G4Hunter基础评分另在124条序列上与独立游程长度实现比较。检查评估所测实现行为，不估计生物学预测准确度，Z-DNABERT推理和端到端服务器未纳入。计时在Apple M2、16 GiB RAM、macOS/aarch64、单个Java 11 JVM上，对均匀10-kb、100-kb和1-Mb序列每例三次预热后七次重复；G4Hunter计时覆盖碱基和滑窗评分，CpG和Z-DNA内核计时包括区域检测；这些测量说明本地计算特征而非相对预测性能，且不含排队、网络、数据库、汇总和渲染，不是生产响应时间。
使用统计（Usage statistics）：截至2026年9月19日数据库导出含59,931条用户记录和495,910条分析记录；访客会话创建用户记录，故不代表唯一人数。2025年1月1日至快照期间，3,168个活跃用户记录关联118,638条分析记录；活跃用户记录按区间至少创建一条分析的独立所有者标识定义，不论账户创建日期；分析计数包括无完成时间戳记录，不衡量成功完成作业或生物学研究。电子邮件域匹配47个命名机构的54个域到机构赋值；排除22个个人电子邮件提供商域后逐级移除最左标签匹配父域；这些赋值描述域关联，不验证个人隶属。全部47个映射机构至少有一条记录；113,512条分析归因于命名机构，382,398条（77.11%）未归因；2025年1月1日起期间111,196/118,638条（93.73%）未归因；另以域名字符串标记371个潜在学术域，但未用于机构分配，也不确立验证的隶属关系。
讨论与结论翻译：专门生物信息学资源增多扩大了研究人员识别调控元件、预测非经典核酸结构和探索基因组尺度序列特征的能力，但分析常分散于独立网络服务器和数据库，复杂化比较分析和可重复工作流。易访问平台顺应整合计算资源的趋势，强调可访问性、互操作性、可重复性和生物数据及分析工具的长期可用性。各模块针对不同生物学问题，不应合并为单一未加权评分：G4Hunter峰反映序列倾向，CpX岛描述组成，p53评分估计序列亲和；其重叠可提示后续研究区域，但不确立同时结构形成、p53占据或因果性。G4Killer针对计算评分设计替换，对其他序列特征的影响需单独评估；p53模块保留原始亲和模型，不估计p53retriever考虑的更广泛反式激活潜能，也不纳入p53motifDB的染色质注释。DNA Analyser为互补序列分析模块提供共同工作区，其价值在于复用输入、保留设置并经一个界面检查结果；序列倾向需生物学解释，参数和坐标约定应随下游比较保留；完成时间取决于模块、序列组成和长度及生产服务器负载，本地计时隔离计算内核，不预测端到端响应时间；缺乏覆盖全部七个模块（包括Z-DNABERT推理）的系统端到端评价限制了整合工作流验证，MYC示例仅展示G4Hunter和R-loop Tracker的界面执行。资源可非商业使用且无需身份注册，访客和注册用户具有相同分析功能，服务由捷克科学院生物物理研究所托管。
