EMMPREDMLsub:基于ESM2大语言模型和MMDO-MDPU重新采样策略的mRNA亚细胞局部化的多标签预测

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:

• 对于调节蛋白质合成和细胞活动而言,mRNA的亚细胞局部化至关重要.
• 调节不当的mRNA局部化与各种病理状况有关.
• 目前的多标签预测方法由于传统的特征编码而面临限制.

研究的目的:

• 开发一种新的,准确的mRNA亚细胞局部化预测工具.
• 在多标签预测中克服现有的特征编码技术的局限性.
• 为了利用大型语言模型的力量来增强序列信息提取.

主要方法:

• 开发了一种新的重新采样技术,将曼哈顿平均方向过量采样和曼哈顿密度保存低采样结合起来.
• 利用大型语言模型,特别是ESM2,从mRNA序列中提取特征.
• 整合了这些方法来创建EMMPREDMLsub预测工具.

主要成果:

• 与最先进的模型相比,EMMPREDMLsub在多标签预测任务中表现优越.
• SHAP分析表明,与传统模型不同,深度学习模型捕获了协同的特征相互作用.
• 在mRNA序列的5'和3'端的特定核酸组成被确定为显著的预测因子.

结论:

• EMMPREDMLsub在预测mRNA亚细胞局部化方面取得了重大进展.
• 这些发现强调了核酸组成和区域特征组合在局部化中的重要性.
• 一个免费的,开放访问的在线工具可用于更广泛的研究应用.