CQNetwork：用于可解释识别 RNA N6-甲基腺苷修饰位点的一致性量化网络

《Pattern Recognition》：CQNetwork: Consensuality quantification network for interpretable identification of RNA N6-methyladenosine modification sites

　　

•图级先验使得 m6A 的基于距离的共识量化成为可能。
•针对 RNA 区域的可学习共识节点提高了可解释性。
•在 11 个数据集上进行评估，在 m6A 位点识别方面取得一致增益。

引言
N6-甲基腺苷（m6A）是一种重要的修饰，广泛存在于真核生物 RNA 中，在调节基因表达、RNA 稳定性、剪接和细胞命运决定中起着至关重要的作用 [1]。现有的高通量技术（如 m6A-seq [2]，MeRIP-seq [3]）使用 m6A 特异性抗体富集 RNA 片段，并结合下一代测序（NGS）生成全基因组 m6A 甲基化图谱。然而，这些方法通常需要大量的实验资源和技术，导致成本高昂。相比之下，计算识别方法在识别效率和资源消耗方面具有优势，能够快速处理大型数据集并减少对实验方法的依赖，从而增强对 m6A 修饰的理解。

现有的计算方法通常依赖于基于深度学习或机器学习的特征提取框架，可分为三类：基于核苷酸先验信息的方法、基于语言模型的方法和混合方法。基于核苷酸先验信息的方法通常利用核苷酸的理化性质来表征 RNA 样本，采用机器学习分类器识别修饰位点。例如，iRNA-toolkits [4] 和 SRAMP [5] 等经典方法利用支持向量机（SVM）和随机森林（RF）等分类器分析源自熵、焓和自由能等固有信息的 RNA 特征。这些方法过于依赖人工特征设计。另一种传统尝试是仅基于核苷酸组成对 RNA 序列进行编码，采用 one-hot 编码、k-mer 编码和伪二核苷酸组成等方法。这些方法通常利用深度学习框架从序列中自适应地学习深度特征，例如 CLSM6A [6]、AdaptRM [7] 和 Deepm6ASeq [8] 等方法，它们都以卷积神经网络（CNN）为骨干，并利用端到端的方法进行修饰位点识别。此外，基于牛津纳米孔测序信号的方案，如 TandemMod [9] 和 iM6A [10]，也利用卷积框架，取得了可取的识别性能。核苷酸先验编码在捕捉多维 RNA 特征方面的能力有限，基于语言模型的方法在一定程度上缓解了这一问题。这些方法（如 iN6-Methyl [11]）将 RNA 序列视为包含语义信息的文本数据，并采用 BERT 和 Transformer 等词嵌入技术学习 RNA 表示。由于这两种范式的有效性，混合方法变得越来越流行。这些方法包括 M6A-DCR [12] 和 GR-m6A [13]，引入了各种深度学习工具，如图表示学习 [14]，有效地捕捉 RNA 序列内的深度和浅层特征，从而提高了模型的识别准确性。最近基于深度学习的 m6A 预测器进一步推动了序列表示和模型可解释性。MST-m6A [15] 使用多尺度 Transformer 框架，Mke-ResNet [16] 开发了一种轻量级可解释残差网络，m6A-IIN [17] 通过可逆神经网络整合了一级和二级结构信息，而 DSNm6A [18] 为 lncRNA m6A 位点检测学习可迁移表示。

虽然这些方法提高了 m6A 位点识别能力，但其可解释性仍然有限。最近的一些尝试，包括 Deepm6ASeq、m6A-DCR、m6A-BIN [19] 和 MASS，通过共识信息解释预测。例如，Deepm6ASeq 依赖于第一层 CNN 激活，而 m6A-DCR 通过聚合和聚类推导共识模式。然而，现有的共识学习通常由无引导的卷积特征驱动，并没有明确整合甲基化相关的先验知识。实际后果是，学习到的共识模式可能是预测性的，但难以与已知的 RBP 结合区域或甲基化相关的调控证据相关联，这限制了它们的生物学可解释性 [1]。鉴于甲基化证据的异质性，有效的共识建模应该通过共同考虑序列语义、理化性质和与结构相关的生物物理线索来量化重复出现的 m6A 特征。在这里，结构相关信息是通过核苷酸理化描述符和图拓扑引入的，而不是显式的二级结构预测。为了解决这一局限性，我们引入了“共识性”一词，表示局部 RNA 区域符合跨样本共享且重复出现的 m6A 相关特征的程度，而不是孤立的、样本特有的模式。这一定义直接将共识性与可解释性联系起来，因为共识原型可以追溯到局部 RNA 区域并与已知的 RBP 结合基序进行比较。具体来说，如果一个区域持续表现出来自多个互补先验的类似证据，包括序列语义、理化性质以及与 m6A 沉积相关的结构生物物理线索，则认为该区域具有高共识性。重要的是，共识性不被视为定性描述；相反，它被操作化为一个定量分数，用于测量候选区域在潜在空间中与一组学习到的共识原型的接近程度，从而能够直接比较区域，并为识别潜在关键区域和共识模式提供可解释的基础。这种公式化使共识模式量化成为解决上述差距的原则性方案，因为它将异质的、多视图的先验转换为跨样本“共享性”的统一且可比较的几何度量。因此，模型可以明确地将重复出现的 m6A 相关证据与样本特有的噪声分离开来，提供改进的稳健性，并在陈述的目标与潜在的生物学原理之间建立直接、可解释的联系。

因此，我们提出了 CQNetwork，它将先验差异隐式地融入到一个专为共识模式量化设计的端到端框架中，促进 RNA m6A 的可解释和精确识别。具体而言，CQNetwork 首先建立一个域内权重分配块，基于多视图先验信息动态地将权重分配给输入序列内的核苷酸，从而初始化潜在的关键区域。随后，设计了一个域间权重分配块，在 Gaussian 空间内为所有区域构建隐式桥接边，利用核苷酸构象和理化性质形成区域图。这两个权重分配块将甲基化先验知识统一在区域图内。然后，CQNetwork 在区域图上预定义一组动态共识节点以初始化潜在共识信息。值得注意的是，CQNetwork 在识别过程中动态优化共识节点集以捕获最佳共识区域。基于该集合，随后采用一种基于距离的共识性感知策略学习模式量化值，进一步构建共识图。最后，利用图小波卷积通过使共识图与 ELMo 的序列语义信息对齐来学习共识嵌入，并采用多层感知机进行修饰位点的精确识别。广泛的实验结果表明，CQNetwork 在识别 RNA m6A 修饰位点方面表现出强劲的性能。此外，通过对序列关键区域共识的量化，CQNetwork 有效地整合了特定领域的生物学知识，从而增强了模型的可解释性。总之，本文的主要贡献如下：

•我们将核苷酸先验差异整合在图级，并为 m6A 位点识别开发了一种基于距离的共识模式量化策略。
•我们为 RNA 区域定义了一组动态共识节点，并在模型训练期间对其进行优化，以提高可解释的共识表示。
•我们在 11 个基准数据集、独立数据集以及跨物种/组织迁移任务上进行了广泛实验，验证了 CQNetwork 的预测准确性、稳健性和泛化能力。

本文的其余部分组织如下。在第 2 节中，我们首先正式定义 RNA m6A 修饰位点识别问题，然后描述 CQNetwork 的细节。实验结果在第 3 节中呈现，随后我们以结论结束本文。总体而言，我们假设从多视图先验中明确量化区域级共识性可以提高 RNA m6A 修饰位点识别的预测准确性和生物学可解释性，我们通过基准、独立、迁移和可解释性分析来检验这一假设。

章节片段

问题定义与数据集
我们将 m6A 位点预测公式化为固定长度 RNA 窗口上的监督二分类。每个样本是一个序列窗口 X=(x1,…,xN)，其中 xt∈{A,C,G,U} 且 N=41（候选腺嘌呤居中，两侧各有 20-nt 侧翼），配对标签 y∈{0,1} 表示中心腺嘌呤是否被甲基化。给定一个数据集 D={(X(i),y(i))}i=1M，我们的目标是学习一个预测器，输出修饰概率 p=fθ(X)∈(0,1)（并通过阈值化 p 获得预测标签）

实验设置
为了评估我们模型的性能，我们采用了几项评估指标，包括：准确率（Acc）、马修斯相关系数（MCC）、灵敏度（Sn）、特异度（Sp）。这些指标定义如下：
Acc = (TP + TN) / (TP + TN + FP + FN)
MCC = (TP×TN ? FP×FN) / √((TP+FP)(TP+FN)(TN+FP)(TN+FN))
Sn = TP / (TP + FN)
Sp = TN / (TN + FP)
此处，量 TP、FP、FN 和 TN 分别表示真阳性、假阳性、假阴性和真阴性样本的数量。在我们的评估过程中，我们采用 5 折

讨论与结论
优势。本研究引入了 CQNetwork，该模型利用甲基化先验知识量化基序间的共识差异，实现了 m6A 修饰位点的精确和可解释识别。CQNetwork 动态捕捉 RNA 序列内的潜在关键区域信息，从核苷酸先验知识中学习基序间的潜在关联，并构建区域图和共识图以在 Gaussian 空间内描述关键区域关系。在 11 个

CRediT 作者贡献声明
Guodong Li：写作 – 审查与编辑，写作 – 原稿，方法论，形式分析，数据管理，概念化。Lun Hu：写作 – 审查与编辑，写作 – 原稿，资源，资金获取，概念化。

竞争利益声明
作者声明他们没有已知的竞争经济利益或个人关系，这些利益或关系可能被认为影响了本报告中所述的工作。

致谢
这项工作部分得到了国家自然科学基金（批准号 62373348 和 62302495）的支持，部分得到了新疆维吾尔自治区自然科学基金（批准号 2023D01E15）的支持，部分得到了天山英才培训计划（批准号 2023TSYCLJ0021）的支持，部分得到了新疆天池人才计划的支持，以及部分得到了中国科学院****的支持。

Guodong Li | Lun Hu