MBSCLoc:基于集群平衡子空间分区方法和多类对比表示学习的多标签亚细胞定位预测
IEEE journal of biomedical and health informatics
|March 3, 2025
概括
这项研究介绍了MBSCLoc,这是一种用于多标签信使RNA (mRNA) 亚细胞定位的新型预测器. MBSCLoc准确地识别了mRNA的多个细胞区,克服了数据不平衡,提高了预测准确度.
科学领域:
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- mRNA亚细胞局部化对于调节蛋白质翻译和细胞功能至关重要.
- 现有的预测方法在不平衡的数据,不良性能和有限的概括性方面扎,特别是在多标签场景中.
研究的目的:
- 开发MBSCLoc,一个多标签mRNA亚细胞局部化的预测器.
- 克服现有方法的局限性,包括单个位置预测和数据不平衡.
主要方法:
- 使用UTR-LM模型进行特征提取.
- 多类对比表示学习和集群平衡子空间分区平衡子空间的分区.
- 优化样本分布和XGBoost分类器组合,以提高准确性和概括性.
主要成果:
- 在五倍交叉验证和独立测试方面,MBSCLoc显著优于现有方法.
- 展示了卓越的像素级解读能力,支持多标签mRNA本地化研究.
- 证实了5' UTR和3' UTR区域的重要性,其中3' UTR在80%的地点显示出高峰意义.
结论:
- MBSCLoc有效地解决了多标签mRNA亚细胞局部化的挑战.
- 该工具为研究人员提供了有价值的资源,提供了一个公开可访问的Web服务器.
- 突出了UTR区域在确定mRNA亚细胞局部化中的关键作用.
