论文解读：iDRNA-ITF:基于诱导和转移框架识别蛋白质中的DNA和RNA结合残基

TItle:iDRNA-ITF: identifying DNA- and RNA-binding residues in proteins based on induction and transfer framework

期刊：Briefings in Bioinformatics

分区：2区

影像因子：13.994

发表时间：2022.01.12

1、摘要

2、数据集

3、方法

3.1特征提取

4、结果

5、结论

1、摘要

蛋白质-DNA和蛋白质-RNA的相互作用涉及许多生物活动。在后基因组时代，准确识别蛋白质序列中的DNA和RNA结合残基对于研究蛋白质功能和促进新药设计和开发具有重要意义。因此，已经提出了一些基于序列的计算方法来鉴定DNA和RNA结合残基。然而，他们未能充分利用残基的功能特性，导致有限的预测性能。本文提出了一种基于序列的方法iDRNA-ITF，通过使用归纳和转移框架将功能特性结合到残基表示中。核酸结合残基的特性由核酸结合残基特征提取网络进行归纳，然后转入DNA结合残基预测网络和RNA结合残基预测网络的特征整合模块进行最终预测。在四个测试集上的实验结果表明，iDRNA-ITF达到了最先进的性能，优于其他现有的基于序列的方法。在http://bliulab.net/iDRNA-ITF.可以免费使用ITF自然资源开发署的网络服务器

2、数据集

来自这篇文章《GraphBind: 通过层次图神经网络学习蛋白质局部结构嵌入规则以用于识别核酸结合残基》里面的数据集。DNA-573_T rain, RNA-495_T rain,DNA-129_Test and RNA-117_Test.数据集进行了重新的组装：

表1：数据集的统计信息。DBRs和RBRs分别被视为阳性样品。aDBRs代表DNA结合残基。bRBRs代表RNA结合残基。cNon-nabr代表非核酸结合残基。dDBPs代表DNA结合蛋白。eRBPs代表RNA结合蛋白。

3、方法

整体流程图

3.1特征提取

PSSM、PSFM、HHM、SS、CN、HSE和SEVEN7种特征提取的方法串联，采用经验特征(empirical features)的方法和DNA结合残基局部特征( DNA-binding residue local features )

特征：经验特征、局部特征和任务迁移特征(empirical features, local-specific features and task-transfer features)

4、结果

为了分析该方法中不同组件的重要性，并探究不同任务和模块之间的交互作用，我们在DRNA-106_Valid集合上进行了消融实验。不同的成分由特征整合模块处理，该模块包括三个部分:经验特征、局部特征和任务迁移特征。表2和表3列出了不同部分对最终预测结果的影响。实验A_DB-C_DB和A_RB-C_RB评估了仅使用一个模块特征对预测性能的影响。A_DB和A_RB表明，传统方法使用的经验特征只能达到最基本的预测性能。与经验特征相比，卷积注意力模块提取的局部特定特征提高了RNA结合残基预测的性能(参见B_RB)。这表明RNA结合残基具有更保守的局部模式。与A_DB和B_DB (A_RB和B_RB)相比，C_DB (C_RB)取得了最好的预测性能，表明核酸结合残基网络归纳的特征更加全面和概括，能够提取有效特征，通过任务转移在下游任务中取得更好的性能。尤其对于RNA结合残基识别任务，C_RB的AUC比A_RB高6个点。因为核酸结合残基特征描述了RNA结合残基特征和DNA结合残基特征，任务转移在区分两种类型的残基方面有局限性，导致最低的1源。实验D_DB-F_DB和D_RB-F_RB评估了成对连接特征对于不同模块的贡献。可以看出，基于成对连接的模型的预测性能优于基于单个模块的模型。这说明不同模块的特性是互补的。当结合局部特定特征和任务转移特征时，预测结果大大提高(见F_DB，F_RB)，因为在特征中考虑了任务信息和概括信息。iDRNA-ITF_DB和iDRNA-ITF_RB在特征整合模块中利用三个模块的特征获得了最佳的预测性能，表明归纳和迁移框架可以提高预测性能，削弱交叉预测问题。

5、结论

蛋白质中的DNA和RNA结合残基对于基因表达、信号转导等是必需的。在这方面，提出了几个预测因子来预测蛋白质中的DBR和RBR。然而，这些方法不能利用残基的功能特性来帮助鉴定DNA-和RNA-结合残基。核酸结合功能与DNA结合功能和RNA结合功能都相关，并且核酸结合特征可以为DNA结合残基识别任务和RNA结合残基识别任务提供更一般化的特征。因此，我们利用迁移学习的思想，设计归纳迁移框架，归纳核酸结合特征，进行任务迁移。实验结果表明，归纳和迁移框架获得的特征能够提供有效的信息，是对经验特征的补充。此外，提出的方法也有一定的局限性。例如，伊德RNA-ITF未能从某些特定物种中区分DBR和RBR。未来，我们将构建一个更合适的序列分析模型来预测物种特异性DNA和RNA结合残基。