基于结构域的蛋白质-RNA相互作用预测模型构建

Protein-RNA interactions widely exist in a variety of biological processes such as posttranscriptional regulation of gene expression. Therefore, investigating protein-RNA interactions is of pivotal importance. The project presented here tries to comprehensively apply bioinfromatics and machine learning methods to develop prediction models for binding domains of protein-RNA interactions,based on the protein-RNA complexes from PDB database as the training dataset, and the properties such as protein domain and RNA secondary structure and physico-chemical parameters as the features. Then, we will also develop a web server for genome-wide prediction of protein-RNA ineractions based on domains. Finally, the project will provide bioinformatics support for studying protein-RNA interactions.

蛋白质-RNA相互作用广泛存在于转录后基因表达调控等多种生物过程之中，因此，开展蛋白质-RNA相互作用研究具有重要意义。为此，本项目拟以PDB数据库提供的蛋白质-RNA相互作用数据为基础，以蛋白质结构域、RNA二级结构、结合能以及其它各项理化性质等特征为变量，综合运用生物信息学与机器学习等方法，构建基于结构域的蛋白质-RNA相互作用预测模型，并开发相应的在线预测平台，最终为蛋白质-RNA相互作用研究提供生物信息学支持。

在该项目资助下，我们首先从PDB数据库中构建了数据集RPI3761，该数据集含有3761个蛋白质-RNA相互作用对和通过随机抽样方法生成的阴性样本数据集。然后运用rnafold等生物信息学软件提取特征，并运用深度学习方法构建了蛋白质-RNA相互作用预测模型DPRPI。另外，我们采用十倍交叉验证策略，在3个公开数据集RPI2241、RPI369和RPI12737上进行模型性能评价，结果表明，我们的模型具有较好的预测性能，最终为蛋白质-RNA相互作用的实验研究提供了生物信息学支持。