环状RNA与蛋白结合位点预测不再只看RNA:CPRISP把蛋白序列也编进模型,37套基准平均AUC达0.9874
环状RNA与RNA结合蛋白的结合位点预测长期偏重转录本特征,蛋白侧信息利用有限。CPRISP把环状RNA的序列组成、理化性质、二级结构与预训练嵌入,同蛋白序列的全局与局部表示一起送入多尺度残差网络分类。在37套基准数据集上,其平均AUC为0.9874,高于CircSSNN的0.9230;在序列相似度受控划分下仍保持0.9861。
环状RNA与RNA结合蛋白的结合位点预测长期偏重转录本特征,蛋白侧信息利用有限。CPRISP把环状RNA的序列组成、理化性质、二级结构与预训练嵌入,同蛋白序列的全局与局部表示一起送入多尺度残差网络分类。在37套基准数据集上,其平均AUC为0.9874,高于CircSSNN的0.9230;在序列相似度受控划分下仍保持0.9861。
作者提出 HANAMI(Heterogeneous grAph coNtrastive leArning for drug-gene-disease Motif predIction),一个整合化学结构、基因组序列与临床表型等多源异质生物医学知识的多视图深度图学习框架,通过关系感知拓扑编码、结构感知聚合与对比学习来预测药物-基因-疾病模体;在基准数据集上的系统评估显示,其在模体预测上较现有最优方法最高提升约 6%,在涉及未见实体的零样本设置中保持约 18% 的性能优势,并能优先排序已进入 II 期或 III 期试验的药物-疾病关系、识别提示合理机制联系的候选基因。
已读完全部报道