科创中国
基于深度自动编码器的lncRNA-蛋白质相互作用预测方法
发布时间: 2023-07-18
基本信息
合作方式：
技术转让
成果类型：
发明专利
行业领域：
生物与新医药技术
成果介绍
长链非编码RNA(long non-coding RNA，lncRNA)是一类长度大于200个核苷酸、无蛋白质编码能力或编码能力极低的RNA转录本，是生物体内重要的分子调控元件。lncRNA并不是孤立地存在于生物体内的，它通过传递信号、引导蛋白质定位、集结染色质重构复合物以及诱捕微小RNA(miRNA)等多种方式发挥其调控功能。由于蛋白质直接参与了生物体内几乎所有的生长发育过程，与蛋白质发生相互作用成为lncRNA发挥其调控功能的主要途径。在生物体内，lncRNA既可以直接结合特定的蛋白质，也可以招募蛋白质形成RNA-蛋白质复合体，与蛋白质之间存在广泛的相互作用。由于蛋白质与lncRNA的相互作用在转录后基因调控中起到了重要的作用，如：剪接、信号转导、翻译和复杂疾病的进展，目前国内外研究者对lncRNA的关注度持续升温，lncRNA-蛋白质相互作用已经成为探索和解析lncRNA功能的重要途径。
成果亮点
目前预测lncRNA-蛋白质相互作用的典型方法有：catRAPID、lncPro、RPI-Pred和IPMiner等。catRAPID方法以lncRNA与蛋白质的二级结构、氢键作用以及范德华力等理化特性为特征，进而建立基于支持向量机和基于随机森林的预测模型。lncPro方法以lncRNA与蛋白质的序列特征之间的关联矩阵为基础，采用线性判别方法进行预测。RPI-Pred方法采用序列和三维结构特征，以支持向量机作为分类器预测lncRNA-蛋白质相互作用。IPMiner方法利用深度学习模型对lncRNA和蛋白质的序列组成特征进行多层非线性变换，进而以此为基础建立基于随机森林的预测模型。与其他使用浅层分类器的方法相比，IPMiner方法获得了更高的预测准确性。这种性能改进得益于经过多层非线性变换后的特征更具有表征能力，能够准确地描述样本的分布规律。但是，由于lncRNA-蛋白质相互作用样本的先验分布(单模或多模)未知，因此在面对对样本分布有严格要求的特征变换方法时IPMiner方法的预测准确率并不高。因此目前lncRNA-蛋白质相互作用还存在特征表达能力低导致的样本在特征空间的分布区别不大，从
团队介绍
学校创建于1952年7月，原名东北林学院，是在浙江大学农学院森林系和东北农学院森林系基础上建立的，由国家林业部直属管理。1985年8月更名为东北林业大学。2000年2月，由国家林业局划归教育部直属管理。2005年10月，经国家发改委、财政部和教育部批准，成为国家“211工程”重点建设高校。2010年11月，教育部和国家林业局签署合作共建协议。2011年6月，成为国家“优势学科创新平台”项目重点建设高校。2012年3月，教育部与黑龙江省人民政府签署合作共建协议。2017年9月，经国务院批准列为“双一流”建设高校。2022年2月，入选国家第二轮“双一流”建设高校。
成果资料
产业化落地方案
成果综合评价报告
评价单位：“科创中国”黑龙江科技服务团 (黑龙江省科学技术协会) 评价时间：2023-11-06
下载app