RBPSSignal：基于深度学习的RNA结合蛋白结合信号预测与序列基序识别工具

《BMC Bioinformatics》：Predicting protein-RNA binding signals with a hybrid deep neural network

　　

摘要

背景

RNA结合蛋白通过与RNA相互作用在转录后调控中发挥关键作用，从而调节各种细胞进程。推断这些相互作用的结合信号和序列模式对于阐明基因表达调控的机制至关重要。

结果

在这项研究中，我们提出了RBPSignal，这是一个基于深度学习的计算工具，旨在预测RNA上的RBP结合信号并识别与这些相互作用相关的潜在序列基序。RBPSSignal利用深度学习框架，并在全面的eCLIP数据集上进行训练，从而提高了预测准确性。此外，通过集成梯度（Integrated Gradients）整合模型可解释性，使得能够详细分析结合基序的语法结构。我们通过在染色体数据上验证RBPSSignal的有效性，并将发现的基序与现有基序数据库进行比较，展示了其不仅能够预测结合信号，还能够揭示与结合信号相关的序列模式的能力。

结论

我们的发现提供了关于RBP序列特异性的见解，并探索了蛋白质-蛋白质基序共享网络。RBPSSignal是一个有价值的工具，可用于探索RBP-RNA相互作用模式，有助于进一步研究基因表达背后的调控网络。该网络服务器可免费访问：http://www.csbio.sjtu.edu.cn/bioinf/RBPSignal/。

背景

RNA结合蛋白通过与RNA相互作用在转录后调控中发挥关键作用，从而调节各种细胞进程。推断这些相互作用的结合信号和序列模式对于阐明基因表达调控的机制至关重要。

结果

在这项研究中，我们提出了RBPSSignal，这是一个基于深度学习的计算工具，旨在预测RNA上的RBP结合信号并识别与这些相互作用相关的潜在序列基序。RBPSSignal利用深度学习框架，并在全面的eCLIP数据集上进行训练，从而提高了预测准确性。此外，通过集成梯度（Integrated Gradients）整合模型可解释性，使得能够详细分析结合基序的语法结构。我们通过在染色体数据上验证RBPSSignal的有效性，并将发现的基序与现有基序数据库进行比较，展示了其不仅能够预测结合信号，还能够揭示与结合信号相关的序列模式的能力。

结论

我们的发现提供了关于RBP序列特异性的见解，并探索了蛋白质-蛋白质基序共享网络。RBPSSignal是一个有价值的工具，可用于探索RBP-RNA相互作用模式，有助于进一步研究基因表达背后的调控网络。该网络服务器可免费访问：http://www.csbio.sjtu.edu.cn/bioinf/RBPSSignal/。