Un método basado en redes neuronales de grafos para identificar la localización subcelular de lncRNA | JoVE Visualize

Área de la Ciencia:

Bioinformática
Biología Computacional
Genómica

Sus antecedentes:

La localización subcelular de los ARN largos no codificantes (lncRNA) es crucial para sus funciones biológicas y su participación en mecanismos de enfermedades.
Los métodos actuales para la identificación de la localización de lncRNA enfrentan desafíos con datos desequilibrados y estructuras de secuencia complejas.

Objetivo del estudio:

Proponer un novedoso método basado en Redes Neuronales de Grafos (GNN), lncGATSagePre, para la identificación mejorada de la localización subcelular de lncRNA.
Abordar el desequilibrio de datos y modelar eficazmente las complejas relaciones de secuencia en la predicción de la localización de lncRNA.

Principales métodos:

Las secuencias de lncRNA se convirtieron en estructuras de grafos utilizando grafos de De Bruijn con nodos k-mer inicializados por Word2vec.
Se empleó la Técnica de Sobremuestreo de Minorías Sintéticas (SMOTE) para mitigar el desequilibrio de datos.
Se utilizó una arquitectura de Red de Atención (GAT) de dos capas y Red de Muestreo y Agregación de Grafos (GraphSAGE) para la agregación adaptativa de características.

Principales resultados:

El modelo lncGATSagePre logró una puntuación F1 ponderada de 0.549 en una tarea de clasificación de cuatro clases (citoplasma, núcleo, ribosoma, exosoma) en un conjunto de prueba independiente.
lncGATSagePre superó significativamente a los métodos existentes como lncLocator 2.0, DeepLncLoc y GraphLncLoc.
Los estudios de ablación confirmaron los beneficios sinérgicos de GAT para la extracción de características locales y GraphSAGE para el procesamiento de grafos a gran escala.

Conclusiones:

El modelo propuesto lncGATSagePre ofrece un enfoque novedoso y eficaz para la investigación de la localización subcelular de lncRNA al integrar la estructura de la secuencia y la información semántica a través de GNN.
Este método tiene un potencial significativo para avanzar en nuestra comprensión de los mecanismos funcionales de lncRNA e identificar objetivos de enfermedades, a pesar de necesitar una mayor optimización para la clasificación de muestras minoritarias.