浅谈深度学习在RNA亚细胞定位中的应用

李星桥

武汉大学 生命科学学院 湖北 武汉 430072

引言

RNA亚细胞定位，是指RNA在细胞内的空间分布情况。位于不同细胞区域的RNA通常具有不同的命运，而RNA在细胞内的位置亦与其功能相联系[1]。此外，细胞内的RNA定位失调将会导致人体中许多疾病的发生[2]。因此，如果我们能准确获取RNA在细胞内的定位信息，将有利于我们理解许多与RNA相关的生物学功能机制。

目前，已经有许多实验手段可以获取细胞内的RNA定位信息，如CeFra-seq[3]，APEX-RIP[4]等，但这些方法大多需要长时间的投入以及复杂的操作流程，且单次实验所能提供的信息有限。为了提高研究效率，大量研究者尝试使用深度学习算法对RNA亚细胞定位情况进行预测，其中DeepLncRNA[5]，RNATracker[6]，DM3Loc[7]等预测方法已经取得了一些成果。然而，不同预测方法所使用的训练数据集不同，且特征提取方法各异，因此预测得到的RNA定位信息存在差异。根据具体的研究需求，我们应该选取合适的方法用于RNA亚细胞定位预测。

1 DeepLncRNA预测方法介绍

长链非编码RNA(Long noncoding RNA,LncRNA)是指长度大于200个核苷酸的非编码RNA，通常分布在细胞核与细胞质中，执行着许多生物学功能[8]。DeepLncRNA尝试利用lncRNA一级序列信息对其进行定位预测。DeepLncRNA的训练数据来自于14种不同细胞系的93个RNA-seq实验。数据预处理时，该方法首先计算了每一种细胞系中各种lncRNA转录本在细胞核与细胞质内的表达量，并根据二者比值大小，划定阈值，将每一条lncRNA标记为细胞核定位或者细胞质定位。在特征提取时，DeepLncRNA选择了三种特征作为预测输入：①lncRNA序列K-mers特征：每条lncRNA序列计算了K从2到5共计1360个特征；……