AquaLNCRpred:一种用于多种水产养殖物种长链非编码RNA预测的基于序列的框架

《Aquaculture》:AquaLNCRpred: A sequence-based framework for lncRNA prediction across diverse aquaculture species

【字体: 大 中 小 】 时间:2026年07月26日 来源:Aquaculture 4.4

编辑推荐:

  摘要 长非编码RNA是一类重要的非编码RNA,参与多种生物过程。在水产养殖中,长非编码RNA也被证明能够调控免疫功能、耐逆性以及生理过程,有助于在感染或环境压力下维持细胞稳态。在东亚具有重要商业价值的中华绒螯蟹中,转录组学研究已鉴定出众多参与免疫反应和应激适应的长非编码RNA

  摘要
长非编码RNA是一类重要的非编码RNA,参与多种生物过程。在水产养殖中,长非编码RNA也被证明能够调控免疫功能、耐逆性以及生理过程,有助于在感染或环境压力下维持细胞稳态。在东亚具有重要商业价值的中华绒螯蟹中,转录组学研究已鉴定出众多参与免疫反应和应激适应的长非编码RNA。然而,由于参考基因组不完整,以及缺乏适用于非模式物种的长非编码RNA靶标和调控机制分析的计算框架,这类RNA的功能研究仍十分有限。本文我们推出了AquaLNCRpred,这是一种基于序列的预测工具,可独立于基因组且不受实验条件限制,直接从核苷酸序列中准确识别长非编码RNA。该工具结合了多种序列特征(如k核苷酸组成、密码子使用频率、GC含量、开放阅读框长度等)与极端梯度提升分类器,从而有效区分长非编码RNA与信使RNA。值得注意的是,AquaLNCRpred在多种水生生物中均表现出良好性能,显示出其在非模式生物中识别长非编码RNA的广泛应用潜力。据我们所知,这是首个专门基于非模式甲壳类水产养殖物种的特异性数据训练而成的序列型长非编码RNA预测模型,为那些缺乏高质量基因组参考数据的场景提供了实用的解决方案。通过精准预测中华绒螯蟹中的长非编码RNA,该工具有助于深入分析转录组数据,为疾病抗性育种、环境适应性提升以及水产养殖的分子改良提供支持。AquaLNCRpred可免费获取,网址为:https://procarb.org/aqualncrpred/。

引言
核糖核酸可分为编码RNA(mRNA)和非编码RNA(ncRNA),后者包括转运RNA、核糖体RNA、长非编码RNA、微小RNA、小核RNA以及小核仁RNA等(George等人,2024)。mRNA由DNA转录而来,经过RNA剪接处理,即去除内含子并连接外显子,之后这些成熟的RNA会被翻译成蛋白质(Wapinski和Chang,2011;Liu等人,2019)。相比之下,非编码RNA虽不编码蛋白质,但也参与多种生物过程,如基因印记、免疫反应和细胞分化等(Hajjari和Salavaty,2015;Chen等人,2017;Zeng和Hamada,2018)。有趣的是,人类基因组中仅有约2%为蛋白质编码序列,其余98%则为非编码或重复序列(Chen等人,2017;Chen等人,2019)。在所有转录出的非编码RNA中,长非编码RNA通常指长度超过200个核苷酸的转录本,约占非编码转录组的70%。长非编码RNA能够与其他RNA、蛋白质及DNA相互作用,进而调控多种细胞功能(Marchese等人,2017)。因此,它们被视为具有多重功能的分子,堪称基因组的“主调控因子”(Wang和Chang,2011)。非编码RNA,尤其是长非编码RNA的功能失调,已被证实与多种疾病的发生发展有关,包括心血管疾病、神经退行性疾病和癌症等(Li等人,2016;Chen等人,2019)。近年来,识别并理解长非编码RNA与疾病之间的关联已成为研究热点,其目的在于实现更精准的疾病预测和更好的治疗策略,这一领域正受到越来越多的关注(Khalid等人,2023)。

除了在人类健康中的作用外,长非编码RNA的调控功能也在其他领域得到探索,比如在水产养殖中。了解基因表达和应激反应对于提升水产品的生产率、健康状况、营养价值以及可持续性至关重要(Deng等人,2022)。Yan等人(2023)研究了长非编码RNA在黑岩鱼感染迟缓爱德华氏菌时对肠道免疫反应的调控作用,强调了它们在宿主与病原体相互作用中的重要性。黑岩鱼是中国、日本和韩国沿海地区广泛养殖的一种具有较高经济价值的鱼类。同样,在大西洋鲑鱼这种非模式水生物种中,病毒感染后长非编码RNA的表达发生显著变化,这说明长非编码RNA能够调控宿主对传染性鲑鱼贫血病毒的响应(Bolta?a等人,2016)。长非编码RNA还在硬骨鱼类的免疫细胞分化以及Toll样受体、RIG-I样受体和核因子κB等关键先天免疫通路的调控中发挥重要作用(Haridevamuthu等人,2023)。在太平洋白虾中,微小RNA和长非编码RNA共同调控碱性应力下的生理平衡和免疫反应(Shi等人,2023;Shi等人,2025)。此外,在多宝鱼感染鳗弧菌时,长非编码RNA通过长非编码RNA-微小RNA-信使RNA网络协调相关基因的表达(Cai等人,2022)。

在各类水产养殖物种中,中华绒螯蟹是中国东部和东南亚最具经济价值的淡水物种之一,因其较高的营养价值和良好的养殖潜力而备受重视(Ghosh等人,2025)。近期,基于大规模基因组和转录组的研究为该物种构建了新的基因组组装序列和全长转录组,从而得以鉴定出大量长非编码RNA。例如,通过编码潜力预测工具,在一次全面的转录组分析中共发现了1207个长非编码RNA转录本(Yang等人,2023)。进一步分析高碱性应力下中华绒螯蟹鳃部的转录组,发现了1047个表达差异显著的长非编码RNA,以及70个微小RNA和1191个信使RNA(Ma等人,2025)。研究人员还构建了一个长非编码RNA-微小RNA-信使RNA调控网络,揭示了长非编码RNA在免疫反应和离子转运中的作用。在缺氧应力条件下,研究发现以特定长非编码RNA和环状RNA为中心的竞争性内源RNA网络与缺氧响应基因及通路密切相关,表明它们在呼吸/鳃结构重塑及应激适应中发挥作用(Zhou等人,2025)。综上所述,这些研究结果凸显了长非编码RNA在中华绒螯蟹的耐逆性、免疫功能及生理调节中的作用,使其成为开发疾病抗性及环境适应性育种的潜在分子靶标。

尽管通过转录组学研究不断有新的长非编码RNA在中华绒螯蟹中被发现(Yang等人,2023;Ma等人,2025;Zhou等人,2025),但其具体生物学功能及调控机制仍有许多未解之谜。目前的预测方法依赖于高质量的同源基因组序列和表达数据,而这些在许多非模式生物中往往难以获得。虽然实验研究依然重要,但计算工具对于大规模长非编码RNA的鉴定而言不可或缺。早期的预测工具CPC依赖于基于序列比对的同源搜索方法(Kong等人,2007),但由于长非编码RNA往往具有物种特异性或条件特异性,这类方法的性能较差(Li和Liang,2022)。为克服这些局限,人们开发出了许多无需序列比对、基于机器学习的预测工具。例如,CPAT利用逻辑回归模型,结合开放阅读框长度、Fickett评分和六核苷酸偏好度等特征进行预测(Wang等人,2013);PLEK则采用支持向量机,并优化了k-mer模式(Li等人,2014)。CPC2则在CPC的基础上,整合了支持向量机以及开放阅读框和物理化学特征,提升了预测精度(Kang等人,2017)。其他预测工具还包括CPPred(Tong和Liu,2019)、LncFinder(Han等人,2019)以及COME(Hu等人,2017),它们进一步综合了序列组成、结构特征以及实验数据。目前大多数长非编码RNA预测工具都是针对人类、小鼠或植物等模式生物开发的,并未针对甲壳类动物独特的基因组结构进行优化。中华绒螯蟹的GC含量、密码子偏好度以及非编码RNA的序列保守性较低,使得现有的分类器效果不佳(Tang等人,2020;Cui等人,2021)。作为一种基因组注释较为有限但具有很高养殖价值的非模式生物,中华绒螯蟹需要一种专门的预测方法,能够在没有完整参考数据集的情况下准确识别长非编码RNA。因此,开发一种针对螃蟹的专用预测框架,对于发现与应激适应、免疫功能及生长调控相关的长非编码RNA具有重要意义,同时也可为其他具有商业价值的水生物种提供可借鉴的解决方案。为满足这一需求,我们开发了AquaLNCRpred,这是一种基于序列的预测方法,能够独立于基因组且不受实验条件限制,直接从核苷酸序列中识别长非编码RNA。与那些在模型训练中整合多种水生物种的方法不同,我们采用了以中华绒螯蟹为单一训练对象的策略。越来越多的证据表明,长非编码RNA的组成具有强烈的谱系特异性和条件特异性,尤其是在环境压力或病原体侵袭条件下(Chen等人,2017;Ma等人,2025;Zhou等人,2025)。在训练过程中整合多个物种可能会掩盖对准确分类至关重要的谱系特异性组成和结构信号。

值得注意的是,中华绒螯蟹是一种洄游性甲壳类动物,其生命周期需要在淡水和半咸水环境中完成。成体生活在淡水环境中,但在繁殖期会迁移到咸水区域,这一过程使其面临显著的渗透压变化和免疫系统调整(Zhang等人,2018)。最近的转录组学研究揭示,该物种存在大量由长非编码RNA调控的信号网络,这些网络与应激适应、缺氧响应及免疫调节密切相关(Ma等人,2025;Zhou等人,2025)。这些独特的生物学特性,再加上高质量基因组资源的可用性,使得中华绒螯蟹成为开发专注于甲壳类动物的长非编码RNA预测框架的理想对象。随后,我们通过跨物种验证,评估了该模型的通用性。据我们所知,AquaLNCRpred是首个利用特定物种的训练数据,用于预测非模式甲壳类水产养殖物种——中华绒螯蟹中的长非编码RNA的预测框架,它能够更精准地识别具有调控功能的非编码转录本。

AquaLNCRpred整合了多种基于序列的特征编码方式,包括k核苷酸组成、密码子使用频率、GC含量、最大开放阅读框长度、Z曲线、自适应跳过二核苷酸组成、二核苷酸自相关-自协方差值、两亲性伪k核苷酸组成-二序列组合,以及这些特征的混合形式。我们测试了五种机器学习分类器,包括k最近邻算法、朴素贝叶斯算法、随机森林算法、支持向量机以及极端梯度提升算法,所有分类器均使用了上述所有特征组合。其中,基于混合特征编码的极端梯度提升算法在10折交叉验证和独立测试中,都表现出最高的区分长非编码RNA与信使RNA的能力。更重要的是,该方法在其他水生生物上的测试也表现良好,体现了其在非模式水生物种中识别长非编码RNA的广泛适用性和潜力。这一方法不仅有助于我们深入理解甲壳类动物中长非编码RNA的进化规律及应激响应机制,还为水产养殖领域的选择性育种、疾病抗性培育和环境适应策略提供了实用工具。

特征编码说明
AquaLNCRpred是一个基于监督学习的机器学习框架,它通过全面的多层次特征编码策略,来区分长非编码RNA与信使RNA。该框架整合了组成特征、编码相关特征、物理化学特征以及序列顺序特征,从而捕捉能够区分编码序列与非编码序列的各种生物学信号。总共采用了十种不同的特征编码方案,此外还通过合并所有特征构建了一种混合表示形式。

数据集获取与预处理
我们从NCBI基因组数据库下载了中华绒螯蟹的基因组注释数据(RefSeq组装编号:GCF_024679095.1)。通过解析基因组特征表,筛选出被标记为长非编码RNA(正类)和蛋白质编码信使RNA(负类)的转录本序列。为了符合常规的长非编码RNA长度标准并去除极端异常值,我们排除了长度小于200 bp或大于10,000 bp的序列。在完成长度筛选后,又去除了重复序列。

长非编码RNA与信使RNA的序列及核苷酸组成差异
为全面了解该数据集的特点,我们首先总结了最终平衡数据集的关键序列级参数(见表2)。平均而言,长非编码RNA的长度较短,为2204 nt,而信使RNA的长度为3586 nt;长非编码RNA的GC含量也较低,为0.441,而信使RNA为0.502。此外,长非编码RNA的标准化最大开放阅读框长度明显小于信使RNA,分别为0.161和0.354,这与其非编码性质相符。所有这些差异在统计上都具有显著性(Wilcoxon秩和检验,p值……)

讨论
我们之前关于中华绒螯蟹的免疫调控、耐逆性及分子适应性的研究,已经揭示了水产养殖物种在分子适应和应激响应方面的复杂性(Malik和Kim,2021;An等人,2024),这也凸显出目前在水产养殖系统中,用于非编码RNA注释的可靠计算方法仍然十分匮乏。正是出于对这些不足的考虑,我们开发了AquaLNCRpred,这是一个基于序列的全面特征集合与梯度提升算法相结合的工具……

结论
在本研究中,我们开发了AquaLNCRpred,这是一种基于机器学习的框架,可用于准确区分水产养殖相关物种中的长非编码RNA与信使RNA。通过整合多种源自序列的特征,AquaLNCRpred构建了一个高效的混合特征空间,从而提升了预测精度。在训练数据集上,基于这些混合特征训练的极端梯度提升模型取得了90%的准确率和0.80的精确度系数;在独立验证数据集上,其性能也相当优异,准确率为89%,精确度系数为……

CRediT作者贡献声明
Adeel Malik:写作——审稿与编辑,写作——初稿撰写,可视化,验证,软件,方法论,形式分析,概念设计。Nitin Mahajan:写作——审稿与编辑,写作——初稿撰写,可视化,验证,方法论。Majid Rasool Kamli:写作——初稿撰写,可视化,验证。Nhat Truong Pham:写作——审阅与编辑、验证。Balachandran Manavalan:写作——审阅与编辑、验证、监督、概念设计。

关于写作过程中生成式人工智能及人工智能辅助技术的声明
我们承认使用了生成式人工智能(ChatGPT)来提升手稿的清晰度、一致性及可读性。所有由人工智能辅助生成的内容都经过了作者的仔细审阅、核实和编辑,以确保准确性并维护科学诚信。没有任何内容是在未经人工仔细审核的情况下被纳入的。

未引用的参考文献
Ahmad等人,2020年

利益冲突声明
N.M.是一名从事数据科学和转化研究的独立自由职业顾问。本项工作是独立完成的,与作者的本职工作无关,也未得到其本职工作的支持。

致谢
本项目得到了沙特阿拉伯吉达阿卜杜勒-阿齐兹国王大学科学研究院(DSR)的资助,项目编号为IPP:498-130-2025。因此,作者们对DSR在技术和资金方面的支持表示衷心的感谢。

Adeel Malik | Nitin Mahajan | Majid Rasool Kamli | Nhat Truong Pham | Balachandran Manavalan | Chang-Bae Kim
韩国首尔尚明大学智能信息技术研究所,邮编03016
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号