《BMC Bioinformatics》：GNNs and ensemble models enhance the prediction of new sRNA-mRNA interactions in unseen conditions
編輯推薦：
細菌小 RNA（sRNA）通過結合 mRNA 調控基因表達，但其互作預測受限于實驗條件。本研究開發 GNN（GraphRNA、kGraphRNA）和決策森林（sInterRF、sInterXGB）模型，結合 SEM 集成模型，在跨條件預測中顯著提升 AUC 和 PR-AUC，為 sRNA 調控機制研究提供新工具。
細菌世界里，微小的 RNA 分子正上演著調控基因表達的 “暗戰”。細菌小 RNA（sRNA）作為關鍵的轉錄后調控因子，通過與 mRNA 靶標結合影響毒力、代謝等重要生理過程。然而，揭示 sRNA 與 mRNA 的互作網絡面臨重重挑戰：高通量（HT）實驗雖能捕獲大量互作數據，卻受限于特定環境條件，且技術門檻高、檢測效率低；傳統計算方法如 RNAup、CopraRNA 等或依賴能量計算，或受限于保守 sRNA 預測，難以準確刻畫復雜環境下的動態互作。如何從有限條件的實驗數據中挖掘普適性規律，預測未知條件下的互作關系，成為破譯細菌基因調控密碼的關鍵科學問題。
為突破這一瓶頸，以色列本古里安大學（Ben-Gurion University of the Negev）的研究團隊開展了一項富有創新性的研究。他們聚焦大腸桿菌 K12 MG1655 菌株，開發了基于機器學習（ML）的預測模型，旨在實現不同環境條件下 sRNA-mRNA 互作的精準預測。相關成果發表在《BMC Bioinformatics》，為細菌 RNA 調控研究開辟了新路徑。
關鍵技術方法
研究采用多模型協同的技術策略：
- 圖神經網絡（GNNs）：構建包含 sRNA 和 mRNA 節點的二分圖，通過 GraphRNA（隨機初始化節點嵌入）和 kGraphRNA（基于 3-mer 頻率特征初始化）學習圖結構中的互作模式，利用 GraphSAGE 卷積層實現節點表示的迭代更新。
- 決策森林模型：包括隨機森林（sInterRF）和 XGBoost（sInterXGB），整合局部互作特征（如 RNAup 計算的雜交能量、雙鏈結構參數）和 3-mer 頻率差異特征，通過特征選擇算法（mRMR）優化輸入維度。
- 求和集成模型（SEM）：結合單一模型預測分數，如 GraphRNA 與 CopraRNA 的組合，提升預測魯棒性。
實驗數據來自 sInterBase 數據庫，分為低通量（LT）和高通量（HT）數據集，通過留一條件法（seen-to-unseen）和 HT-to-LT 評估模型跨條件泛化能力。
研究結果
1. 未知條件下的互作預測效能
在三種 “已知 - 未知” 條件評估中（對數期 - 穩定期、LB 培養基 - m63 培養基、正常 - 脅迫），GNN 模型表現突出：
- kGraphRNA在對數期到穩定期預測中，AUC 達 0.84，顯著優于 sRNARFTarget（AUC=0.79，p=3.24×10-7），PR-AUC 提升至 0.80，表明其對生長階段轉變的互作動態具有強捕捉能力。
- 在培養基類型預測（LB→m63）中，SEM_kGraphRNA_sInterRF 模型 AUC 達 0.91，pAUC（FPR≤0.15）為 0.72，顯示出對營養環境變化的適應性。
- 脅迫響應預測中，sInterRF 模型 AUC 為 0.74，雖低于前兩項任務，但仍顯著優于 CopraRNA（p=0.03），揭示了脅迫條件下互作機制的復雜性。
2. 高通量到低通量數據的預測遷移
在 HT-to-LT 評估中，SEM_GraphRNA_CopraRNA 模型表現最佳（AUC=0.70，PR-AUC=0.79），顯著優于單一模型 CopraRNA（p=0.004）。盡管 HT 數據包含更多動態互作，而 LT 數據側重功能驗證，集成模型通過融合序列特征與進化保守性，有效彌合了不同實驗體系的差異。
3. 特征重要性與互作機制解析
通過 SHAP 值分析發現，3-mer 頻率差異特征（如 TTT、CTG）對模型預測貢獻最大，其中 TTT 頻率差高值降低互作概率，與生物學中 sRNA-mRNA 種子區配對偏好一致。局部互作特征中，雜交能量（ΔGh）、雙鏈堿基對數、sRNA 展開能量等熱力學參數顯著影響預測結果，印證了 Hfq 介導的 RNA 雙鏈形成機制 ——Hfq 通過降低 sRNA 結構穩定性促進互作。
結論與意義
本研究首次系統驗證了機器學習模型在跨環境條件預測 sRNA-mRNA 互作中的有效性，揭示了 RNA 序列組成與雙鏈結構特征在互作中的核心作用。GNN 模型擺脫了對傳統能量計算工具（如 RNAup）的依賴，提升了預測效率與可擴展性；集成模型則通過多維度特征融合，為復雜生物網絡預測提供了通用框架。
盡管研究聚焦大腸桿菌，但其方法可推廣至其他細菌菌株，尤其適用于物種特異性 sRNA 的預測，填補了 CopraRNA 等工具的空白。隨著 HT 技術的普及與多物種互作數據的積累，基于圖神經網絡和集成學習的預測模型將成為解析細菌 RNA 調控網絡的核心工具，為抗菌靶點發現、合成生物學設計提供理論支撐。未來研究可進一步探索跨物種遷移學習，以解決低數據量細菌的互作預測難題，推動微生物組研究的智能化發展。
