Helixpr：一种基于螺旋结构的DNA序列周期性表示方法，用于增强子识别

《BMC Bioinformatics》：Helixpr: a helix-aware periodic representation of DNA sequence for enhancer identification

　　

摘要

背景

增强子是远端顺式调控元件，在基因调控、发育及疾病过程中起着关键作用。尽管已有许多用于识别增强子的计算方法，但常用的DNA编码策略，如独热编码和k-mer表示法，通常将DNA视为线性符号序列。这种简化忽略了DNA双螺旋的固有几何结构——核苷酸实际上沿着周期性三维结构排列，螺旋重复长度约为10–11个碱基对。为解决这一局限，我们提出了HelixPR（即“考虑螺旋结构的周期性表示法”），这是一种基于生物学原理的DNA序列表示方法，用于增强子识别。

结果

HelixPR在每核苷酸独热编码的基础上，增加了周期为\(T=10\)个碱基对的正弦周期性编码。此外，它还引入了全局核苷酸组成标记，以捕捉与局部核苷酸模式相辅相成的序列级组成信息。这些元素共同构成了一个简洁、可解释且能保留信息量的DNA序列表示方法。结合轻量级的一维卷积神经网络，HelixPR在各类基准数据集上取得了优异性能。在Liu的基准测试中，其在增强子识别方面的准确率为0.8434，马修斯相关系数为0.6874；在增强子强度分类方面，准确率为0.8400，AUC值为0.9346，均优于传统方法。在Basith的基准测试中，其平均平衡准确率达到了0.9778，远超现有方法。进一步分析表明，HelixPR支持封闭形式解码，且其标记出的区域富含已知的转录因子结合位点，这进一步证明了该表示方法的可行性和生物学意义。

结论

这些结果表明，纳入DNA双螺旋的周期性结构有助于提升增强子建模效果。通过整合核苷酸身份、螺旋周期性以及全局组成信息，HelixPR为增强子识别及相关调控序列预测任务提供了基于生物学的有效框架。