无注释数据的可解释性RNA基础模型用于高度准确的RNA结构和功能预测
摘要：非编码RNA结构和功能对于理解细胞信号传导、基因表达和转录后调控等各种生物过程至关重要。这些都是RNA领域的核心问题。随着测序技术的快速发展，我们积累了大量未注释的RNA序列。另一方面，昂贵的实验观测结果只能提供有限的注释数据和三维结构。因此，设计用于预测其结构和功能的计算方法仍然具有挑战性。缺乏注释数据和系统研究导致性能不佳。为解决这个问题，我们提出了一种新的RNA基础模型（RNA-FM），通过自我监督学习利用所有的2300万非编码RNA序列。在这个方法中，我们发现预训练的RNA-FM可以推断非编码RNA的顺序和进化信息，而无需使用任何标签。此外，我们通过将RNA-FM应用于下游的二级/三维结构预测、SARS-CoV-2基因组结构和进化预测、蛋白质-RNA结合偏好建模和基因表达调控建模来验证RNA-FM的有效性。综合实验证明，所提出的方法显著且一致地改善了RNA结构和功能建模结果。尽管只使用未标记的数据进行训练，RNA-FM可以作为该领域的基础模型。
作者：Jiayang Chen, Zhihang Hu, Siqi Sun, Qingxiong Tan, Yixuan Wang, Qinze Yu, Licheng Zong, Liang Hong, Jin Xiao, Tao Shen, Irwin King, Yu Li
论文ID：2204.00300
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2022-08-09