基于机器学习方法的非编码RNA-蛋白质相互作用的预测

作者：程淑萍; 谭建军^*; 门婧睿

来源：北京生物医学工程, 2019, 38(04): 353-359.

• 非编码RNA-蛋白质相互作用
• LightGBM
• 随机森林
• 极端梯度增强算法
• 卷积自编码器

目的非编码RNA-蛋白质的相互作用(noncoding RNA-protein interactions,ncRPI)具有重要的生物学意义,目前预测其相互作用已成为当下研究非编码RNA (noncoding RNA,ncRNA)和蛋白质功能的重要途径之一。方法本研究基于ncRNA和蛋白质的序列信息提取特征,运用卷积自编码器预处理原始数据,训练三个机器学习模型:LightGBM(LBM)、随机森林(random forest,RF)和极端梯度增强算法(extreme gradient boosting,XGB),预测ncRNA与蛋白质的相互作用。结果在RPI369和RPI488两个数据集做5倍交叉验证,LBM、RF与XGB三个模型在两个数据集均达到较高的预测准确率,在RPI369数据集三个模型的预测准确率分别为0. 757(LBM)、0. 791(RF)、0. 791(XGB),在RPI488数据集三个模型的预测准确率分别为0. 918 (LBM)、0. 908 (RF)、0. 918 (XGB);三个模型在RPI1807、RPI2241、RPI13254大数据集也取得较高的AUC(area under curve)值,在RPI1807三个模型的AUC值均为0. 99,在RPI2241三个模型最低AUC值为0. 87,在RPI13254三个模型最低AUC值为0. 81,都表现出较好的预测准确性。结论机器学习方法能够预测ncRNA与蛋白质是否存在相互作用。

• 单位
  生物工程学院; 北京工业大学