《Pattern Recognition》:Multi-scale cross-attention integrates dynamic and static features for protein-RNA prediction
编辑推荐:
核糖核酸结合蛋白(RBPs)通过受细胞环境调节的动态与静态相互作用调控基因表达。传统方法孤立地关注静态或动态机制,忽视了蛋白质-RNA相互作用(PRIs)的固有多样性。本研究提出DyStaBind,一种多视角框架,用于捕获RNA的动态序列嵌入、动态结构表征以及
核糖核酸结合蛋白(RBPs)通过受细胞环境调节的动态与静态相互作用调控基因表达。传统方法孤立地关注静态或动态机制,忽视了蛋白质-RNA相互作用(PRIs)的固有多样性。本研究提出DyStaBind,一种多视角框架,用于捕获RNA的动态序列嵌入、动态结构表征以及静态构象特征。在每个视角内,采用不同核大小的并行卷积神经网络(CNNs)提取多尺度潜在基序,基于多语言对齐的交叉注意力模块完成不同层级特征间的关联建模。金字塔型上下文感知分类器通过不同核大小、残差连接和最大池化捕获PRIs预测中的长程依赖关系。在261个eCLIP和CLIP-seq数据集上的基准评估证实DyStaBind相较于现有最优模型具有优越性能,在静态细胞检测和动态细胞检测中均实现稳健泛化。消融实验验证多语言对齐融合模块有效分离了正负样本特征。注意力权重的可视化分析表明,模型的关注区域与统计显著的功能基序高度一致,确认了生物学语义分析层面的可靠性。此外,研究准确捕获了不同细胞环境中序列结合模式的动态变化。
蛋白质-RNA相互作用(PRIs)的准确预测对于理解基因表达的转录后调控机制具有重要意义。核糖核酸结合蛋白(RBPs)通过与RNA的动态或静态结合参与RNA剪接、序列编辑和翻译调控等基础生物学过程,其结合模式既包括维持核糖体等结构复合物功能的稳定结合,也涵盖依赖瞬时相互作用响应细胞条件变化的动态结合,如TIA1蛋白通过液-液相分离动态富集mRNA形成应激颗粒以暂停翻译。然而,现有计算方法存在明显局限:第一类方法如iDeep、GraphProt、PRIESSTESS和RPI-CapsuleGAN等,仅基于序列特征或预测结构进行建模,未考虑细胞环境变化对结合模式的影响,无法捕捉PRIs的生物学特性;第二类方法如PrismNet和HDRNet虽纳入了动态细胞条件,但未能有效整合静态与动态特征,导致细胞条件利用不充分且与生理现实存在偏差。
为应对上述挑战,研究人员开发了DyStaBind框架,这是一种融合多尺度CNN与交叉注意力机制的多视角统一模型。该研究的主要科学贡献包括:首次实现动态与静态RNA特征的整合——采用基于BERT(Bidirectional Encoder Representations from Transformers,双向编码器表征)的动态序列语义嵌入和icSHAPE(in vivo click selective 2-hydroxyl acylation and primer extension,体内点击选择性2-羟基酰化引物延伸)衍生的体内RNA二级结构进行动态结构分析,同时以Z-curve编码保持静态RNA构象特征;提出多尺度交叉注意力对齐机制,通过类多语言功能对齐促进互补 linguistic 特征的深度适应与协同融合;实现序列基序分析中的可解释注意力,模型关注区域与生物学功能位点显著重叠。
数据集来源于POSTAR数据库和ENCODE数据库的6种细胞系(K562、HepG2、HEK293、HEK293T、HeLa和H9),涵盖172种独特RBPs的结合位点信息,每种细胞系中特定RBP的结合数据被视为独立数据集,共计261个结合位点数据集。
技术方法层面,DyStaBind的核心架构包含三个主要模块。其一是多视角特征表征模块:动态序列视角采用BERT模型生成上下文相关的序列嵌入;动态结构视角利用icSHAPE实验数据获取体内RNA二级结构信息;静态构象视角通过Z-curve三维编码表征RNA的静态结构特征。其二是多尺度交叉注意力融合模块:针对每个视角的特征,首先使用并行且核大小不同的CNN提取多尺度潜在基序,继而基于多语言对齐的交叉注意力模块对三组CNN处理后的特征进行迭代成对交互建模,实现不同层级特征间的深度关联与协同融合。其三是金字塔型上下文感知分类器:采用核大小递增的卷积层、残差连接和最大池化操作逐层捕获长程依赖关系,最终完成PRIs预测。
实验结果部分,基准评估证实DyStaBind在静态和动态PRI预测中均表现卓越。在261个静态RNA数据集和62个动态细胞RNA数据集上的测试表明,该模型在静态细胞PRI预测中的平均AUC(Area Under the ROC Curve,受试者工作特征曲线下面积)较现有最优基线提高3.69%;在动态细胞预测中优势更为突出,HepG2细胞系AUC提升8.64%,K562细胞系AUC提升8.40%,显示出对细胞动态变化的卓越适应性。
消融实验结果表明,多语言对齐融合模块能够有效分离正负样本特征,验证了交叉注意力机制在特征判别中的关键作用。注意力权重的可视化分析揭示,模型的关注区域与统计显著的功能基序高度一致,确认了其在生物学语义解释层面的可靠性。进一步分析显示,DyStaBind能够精确捕捉不同细胞环境中序列结合模式的动态变化,为理解RBPs的条件特异性调控提供了新视角。
研究结论指出,PRIs分析需同时考虑动态结合与静态结合的双重特性,DyStaBind通过多视角框架首次实现了动态序列嵌入、动态结构表征与静态构象特征的有效统一。该方法在 extensive 基准测试中展现出 superior 性能,其注意力机制的可解释性分析为计算模型与生物学发现的关联提供了范例。该研究发表于《Pattern Recognition》。