AI模型鉴别RNA编辑位点！GB｜复旦大学杨力：开发基于深度学习的计算分析框架实现测序数据直接鉴别RNA编辑与DNA突变位点

来自复旦大学“生命健康"领域最新的科研进展。面向世界科技前沿，践行行业使命感，助力基础研究，推广科技成果。服务行业，造福社会！

人类转录组中存在大量的RNA突变信息，其主要是人腺苷脱氨酶(ADAR)催化的腺苷(A)到肌苷(I)的RNA编辑(A-to-I RNA editing, REs)，如何能从海量转录组数据中排除测序错误、比对错误以及DNA突变等信息的干扰，有效且精准地识别这些RNA编辑位点是转录组计算生物学领域的研究难点。

2024年10月8日(当地时间)，复旦大学生物医学研究院杨力研究组，于期刊Genome Biology发表题为“DEMINING: a deep learning model embedded framework to distinguish RNA editing from DNA mutations in RNA sequencing data”的论文。该研究发布了一套新型计算分析框架——DEMINING，可以从RNA测序数据直接鉴别RNA编辑与DNA突变位点。

近期，以深度学习为代表的人工智能方法，在各个领域展现出强大的应用前景，为解决如何从RNA测序数据中精确区分RNA编辑与DNA突变的这一难题提供了新的思路。该研究开发的DEMINING流程(图1)，通过深度学习模型DeepDDR，实现从RNA测序数据中高效准确地识别RNA编辑和DNA突变。DEMINING流程首先通过严格的筛选标准去除转录组数据中的测序和比对错误(图1a)，然后将获得的高可信度(DNA和RNA)突变位点信息作为输入，通过搭建的深度学习模型DeepDDR实现DNA突变和RNA编辑的精准区分(图1b)。

图1. 开发用于DNA突变(DMs)和RNA编辑位点(REs)分类的DEMINING框架及嵌入式DeepDDR模型

在DeepDDR模型的训练过程中，研究团队从403个配套的RNA测序和DNA测序数据集中提取了122,872个高可信度的RNA编辑位点和相同数量的DNA突变位点，分别用于训练、验证和测试模型。在该模型构建过程中，研究人员创新性的将突变位点上下游序列和测序读段编码，构建带注意力的双碱基上下文共轭同频矩阵(matrix of the co-occurrence frequencies of each mutation site with its context bases, CMC)，作为DeepDDR模型的编码输入，接着通过使用多个层次的卷积和池化操作，提取出突变位点周围的序列以及读段比对特征，通过这种方法，DeepDDR模型不仅能够识别出突变位点，还能够捕捉到这些突变在更大范围内的上下文信息，这可能是有效区分RNA编辑和DNA突变的关键所在。

DEMINING框架不仅在人类样本中表现出色，经过小样本迁移学习，还可应用于非灵长类的RNA测序样本，展现了DEMINING框架广泛的应用潜力。在迁移学习过程中，研究团队将人类数据集上训练的DeepDDR模型作为预训练模型，进一步利用小鼠脑组织的RNA测序数据进行微调。通过这种方法，DeepDDR模型在小鼠数据集上的RNA编辑识别准确性得到了显著提高。相似的改进也在其他非灵长类物种(线虫)的数据集中得到了验证，表明DEMINING框架的可迁移性和广泛适用性。

最后，科研人员探索了利用DEMINING框架从已发表的人类RNA测序数据中直接鉴别DNA突变的应用。在分析急性髓性白血病(AML)患者的RNA测序数据时，DEMINING识别出了大量此前未报道的可能与疾病相关的DNA突变和RNA编辑位点。这些突变与宿主基因的上调表达或新抗原的产生相关，为AML的发病机制提供了新的见解。

综上，DEMINING框架通过嵌入的深度学习模型DeepDDR，实现了从RNA测序数据中高效、精确地鉴定RNA编辑和DNA突变。随着RNA测序数据的不断积累，特别是与疾病相关的转录组数据，DEMINING框架有望在更广泛的人类疾病RNA测序样本中应用，揭示更多与疾病相关的突变和基因，为诊断和治疗提供潜在靶点。DEMINING的构建是利用人工智能模型在转录组分析中的有一有效尝试。2024年10月3日，杨力研究员也受邀与国际同行为Molecular Cell撰写相关Voices(https://www.cell.com/molecular-cell/abstract/S1097-2765(24)00693-2)，展望人工智能时代转录组RNA系统分析研究的发展趋势(Yang et al, Molecular Cell 2024)。

注：文中插图源于  Genome Biology

来    源       复旦大学生物医学研究院

近期活动

近期进展

关于光华

“复旦大学光华生命健康校友会”是复旦大学校友总会正式注册成立的分支机构，是跨学科、跨界别、跨地域，覆盖生命健康领域的公益性行业校友组织。

校友会以推动中国生命健康领域的“科技创新”，提升人类健康为使命，以促进“产学研医用”的融合创新与资源整合为目标，以加强母校与校友联动，增进校友互助协作，发掘科技创新成果，助力母校发展、助力校友成功、助力行业进步、造福社会大众为为宗旨。

校友会立足上海、辐射全国，会员以复旦大学生命科学、医学、药学、附属医院校友为基础，同时覆盖化学、材料、信息、大数据、金融、管理等多学科泛生命健康相关院系，涵盖产业、学术、科研、医疗、政府、资本等“产学研医政资”的优秀校友。

有意入会的校友，可以填写以下申请表。