[Bioinformatics | 论文简读] csORF-finder：用于准确识别多物种编码短开放阅读框架的有效集成学习框架

作者 | 赵晏浠 编辑 | 龙文韬

论文题目

csORF-finder: an effective ensemble learning framework for accurate identification of multi-species coding short open reading frames

论文摘要

短开放阅读框（sORFs）是指长度不超过303 nt的小核片段，可能编码小肽。迄今为止，在信使核糖核酸（RNAs；mRNAs）的非翻译区和长非编码RNAs（lncRNAs）中都发现了可翻译的sORFs，在无数的生物过程中发挥着重要作用。由于并非所有的sORFs都被翻译或基本可被翻译，因此开发一个高度精确的计算工具来描述sORFs的编码潜力是非常重要的，从而促进发现新的功能性肽类。作者通过整合EfficientCapsNet和LightGBM设计了一系列集合模型，统称为csORF-finder，以区分智人、小鼠和黑腹果蝇中的编码sORFs（csORFs）与非编码sORFs。为了提高csORF-finder的性能，作者引入了一种新的特征编码方案，即三核苷酸偏离预期平均值（TDE），并计算了所有类型的基于框内序列的特征，如i-framed-3mer、i-framed-CKSNAP和i-framed-TDE。基准测试结果表明，与原始的3-mer、CKSNAP和TDE特征相比，这些特征可以显著提高性能。性能比较表明，csORF-finder在多物种和非ATG启动的独立测试数据集上取得了比最先进的csORF预测方法更好的性能。此外，作者应用csORF-finder筛选lncRNA数据集，以确定潜在的csORFs。所得数据作为一个重要的计算资源库，用于进一步的实验验证。作者希望csORFfinder可以作为一个强大的平台，用于高通量识别csORFs和对这些csORFs编码的肽进行功能鉴定。

论文链接

https://doi.org/10.1093/bib/bbac392

github链接

https://github.com/mengzhanggggg/csORF-finder_webserver