ENsiRNA:基于几何图形神经网络的siRNA-mRNA和修改siRNA效率预测的多模式方法

科学领域:

• 计算生物学 计算生物学
• 生物信息学是一种生物信息学.
• 在RNA治疗方面,RNA疗法.

背景情况:

• 小干扰RNA (siRNA) 的有效设计对于其治疗应用至关重要.
• 现有的siRNA设计方法主要集中在序列特征上,忽视了关键的结构信息.
• 需要先进的计算工具来准确预测siRNA的疗效,特别是对改性变体.

研究的目的:

• 引入ENsiRNA,一种用于预测标准和修改siRNA的疗效的新型多式方法.
• 整合序列,结构和热力学/化学修改数据,以提高预测准确度.
• 评估ENsiRNA的性能与预测siRNA疗效的现有方法相比.

主要方法:

• 开发ENsiRNA,一个几何图形神经网络模型.
• 从预训练的RNA语言模型中整合序列特征.
• 纳入结构特征和热力学数据或化学修改.

主要成果:

• 与现有方法相比,ENsiRNA在标准siRNA的皮尔森相关系数 (PCC) 中取得了超过13%的改善.
• 尽管存在RNA折叠挑战,但在不同数据集中对修改siRNA预测的竞争性表现得到了证明.
• 验证了在siRNA设计中纳入结构信息和多模式策略的重要性.

结论:

• 通过利用多模式数据,ENsiRNA代表了计算siRNA设计的重大进步.
• 整合结构特征对于提高siRNA疗效预测的准确性至关重要.
• 这种方法有望加速开发有效的基于siRNA的治疗方法.