跨RNA m6A检测模型

泛化强于专用模型

该深度学习模型通过域分离网络整合mRNA与lncRNA的共享特征,在lncRNA m6A位点检测上优于现有方法,并具有跨物种泛化能力。

滕志霞 · Liu, Di · 赵玲玲 · 汪国华

Briefings in Bioinformatics 2025

技术优势

共享特征可迁移

域分离网络将 mRNA 与 lncRNA 共享的域不变特征从域特有特征中解耦,使模型能利用 mRNA 数据辅助 lncRNA 预测。

多维度编码捕获信号

序列以 One-Hot、核苷酸理化性质与累积频率、位置特异性倾向等多个互补角度编码,全面刻画 m6A 位点模式。

跨物种强泛化

独立测试显示模型在不同物种数据上保持稳健,表明学到的特征具有普遍性。

应用场景