基于领域知识的方法促进了机器学习的发展，并实现了对癌症相关RNA甲基化位点的功能表征

《BMC Bioinformatics》：Domain-derived knowledge enabled machine learning and functional characterization of cancer-associated RNA methylation sites

　　

摘要

背景

N6-甲基腺苷（m⁶A）是真核生物mRNA中最丰富的转录后修饰类型，在多种生物过程中起着关键作用。m⁶A水平的失调与许多人类疾病相关，尤其是癌症。尽管存在几种用于预测潜在m⁶A位点的计算工具，但没有一种工具能够以单碱基分辨率专门识别与癌症相关（或促进癌症发生的）m⁶A残基。

方法

为了解决这一空白，我们开发了m6A-CAPred，这是一个能够以碱基分辨率准确预测与癌症相关m⁶A位点的计算框架。我们的模型基于一个包含25种癌细胞系和23种正常组织样本中实验验证的m⁶A位点的综合数据集进行训练，该模型采用了结合序列特征和精心策划的基因组特征的混合特征提取方法。

结果

初步分析表明，仅依靠序列信息提供的预测性能有限。然而，通过引入基因组上下文特征，m6A-CAPred的预测性能显著提升（在独立数据集上的平均AUROC值为0.885），成功区分了与癌症相关的m⁶A位点和正常m⁶A位点的独特特征。随后，我们应用m6A-CAPred进行全转录组范围的预测，以筛选潜在的与癌症相关的m⁶A位点。从33种TCGA癌症项目中提取的体细胞变异数据进行独立验证，结果显示，癌症相关的体细胞SNP密度明显区分了预测出的促进癌症发生的m⁶A位点和正常m⁶A位点，进一步证实了该模型的生物学相关性。此外，与癌症相关的m⁶A位点在功能重要的生物过程和癌症相关通路中表现出显著的富集。

结论

总体而言，我们希望m6A-CAPred能够成为癌症表观转录组研究的宝贵资源，并在癌症生物标志物发现方面具有潜在应用价值。实现我们模型的Web服务器可在www.rnamd.org/m6A-CAPred免费获取。