乐投letou生物报路:清华大学张强锋课题组在Cell Research杂志上，，，，，，，，颁发了题为“使用人为智能步骤基于细胞内RNA结构预测蛋白质-RNA动态相互作用”（Predicting dynamic cellular protein–RNA interactions by deep learning using in vivo RNA structures）的钻研长文。。。。。。该工作首先使用icSHAPE尝试解析了七种常用细胞类型的RNA二级结构图谱，，，，，，，，并开发人为智能算法整合尝试获得的细胞内RNA结构以及对应细胞环境的RBP结合信息，，，，，，，，成立了基于细胞内RNA结构信息预测细胞内RBP动态结合的新步骤PrismNet。。。。。。 

  RNA结合蛋白(RBP)在转录、RNA代谢以及翻译过程中起沉要的调控作用。。。。。。CLIP尝试技术作为RNA钻研最沉要的技术之一，，，，，，，，能够解析RBP在整个转录组上的结合图谱，，，，，，，，是系统理解一个RBP职能及其调控机造的基础。。。。。。但CLIP尝试费时费劲，，，，，，，，一次只能提供某一RBP在特定细胞环境下的RNA结合位点，，，，，，，，并且对于尝试资料要求较高，，，，，，，，好多情况下不能顺利发展。。。。。。然而钻研发现，，，，，，，，蛋白质和RNA的结合随着细胞环境的变动可能产生很大的扭转，，，，，，，，因而钻研蛋白质对RNA的调控必要一样细胞环境的结合信息。。。。。。这两方面成分加起来对使用CLIP钻研蛋白质-RNA结合提出了很大的挑战。。。。。。从推算角度来说，，，，，，，，目前已有的预测RBP结合位点的步骤，，，，，，，，毫无例表都是基于RNA序列以及从序列启程预测的RNA结构。。。。。。序列自身在分歧细胞环境里面是没有什么变动的，，，，，，，，因而这些步骤都不能解决RBP在分歧细胞环境下结合动态变动的问题。。。。。。

  RNA结构是RBP 结合和动态变动的基础。。。。。。浚浚？？？蒲泄ぷ髡咄ü齒射线晶体衍射、核磁共振、冷冻电子显微镜等步骤解析了大量RNA结构，，，，，，，，揭示了很多体表RNA结构的沉要职能。。。。。。近年来，，，，，，，，通过报答引入细胞内RNA化学建饰，，，，，，，，开发高通量测序技术，，，，，，，，能够在全转录组水平检测细胞内的RNA二级结构。。。。。。这种新的RNA系统生物学的钻研步骤，，，，，，，，揭示了RNA结构参加转录后调控的法规和机造。。。。。。张强锋课题组一向致力于RNA结构领域的钻延祝。。。。。张强锋钻研员作为重要开发者参加开发了探测细胞内RNA结构和相互作用的icSHAPE技术与PARIS技术 (Lu et al., 2016; Spitale et al., 2015)。。。。。。在此基础上，，，，，，，，通过整合亚细胞分离技术，，，，，，，，张强锋课题组发现细胞内RNA结构在细胞内分歧亚细胞环境会产活泼态变动，，，，，，，，并且RNA结构的变动会影响RBP的结合 (Sun et al., 2019)。。。。。。张强锋课题组与杨运桂、刘峰课题组合作，，，，，，，，通过斑马鱼胚胎发育过程分歧阶段RNA结构动态变动的钻研，，，，，，，，发现RNA结合蛋白Elavl1a及其靶标RNA结构变动共同作用，，，，，，，，调控斑马鱼早期胚胎母源RNA降解的新机造(Shi et al., 2020)。。。。。。

  在之前钻研的基础上，，，，，，，，作者系统比力了多个RBP在K562和HepG2细胞之间结合位点的差距，，，，，，，，发现一样RBP在分歧类型细胞之间结合位点差距巨大。。。。。。进一步通过关联比力两个细胞系的全转录组RNA结构，，，，，，，，作者发此刻分歧细胞系间RBP结合差距位点显著富集在RNA结构差距位点。。。。。。这显示了RNA结构信息对分歧细胞内RBP结合位点的预测拥有沉要作用。。。。。。

  作者通过整合细胞内RNA结构信息以及对应细胞系的RBP结合信息，，，，，，，，利用深度神经网络，，，，，，，，构建了预测RBP结合位点的PrismNet模型。。。。。。该模型在168幼我类RBP结合的CLIP数据集上进行了训练进建和检验，，，，，，，，发显熹预测正确率显著高于之前仅仅利用RNA序列以及整合基于序列预测得到的RNA结构的步骤，，，，，，，，预测和CLIP尝试了局的吻合度甚至达到或超过统一前提下两个CLIP尝试的吻合度。。。。。。显然，，，，，，，，细胞内RNA结构信息对于预测正确率的提高起到了沉要作用。。。。。。有意思的是，，，，，，，，作者发现RNA结构信息对于提高双链结合蛋白预测正确率的援手更大。。。。。。

  利用深度进建模型中确把稳力机造，，，，，，，，作者提取了RBP结合RNA的关键鉴别位点，，，，，，，，构建了序列与结构的整合motif来描述RBP结合位点的RNA序列和结构偏好。。。。。。悠久以来，，，，，，，，人们都依赖于传统的序列motif来刻画RBP结合RNA的特点，，，，，，，，对于同样沉要的结合位点的结构特点，，，，，，，，由于信息不足，，，，，，，，只能选择忽略。。。。。。这里的工作批注，，，，，，，，和人们的进展一样，，，，，，，，序列与结构整合motif能够更全面地体现RBP的结合特点，，，，，，，，能够用在通过单一的motif匹配，，，，，，，，方便快捷地在整个转录组中更正确地找到RBP的结合位点。。。。。。

  有意思的是，，，，，，，，这些通过PrismNet找到的RBP结合RNA的关键鉴别位点比其它转录本区域越发守旧，，，，，，，，同时也越发富集蕴含自关症，，，，，，，，心灵割裂症等心灵类疾病的突变位点。。。。。。同时，，，，，，，，作者发现，，，，，，，，相对于RNA结构没有扭转的突变位点，，，，，，，，造成RNA结构扭转的突变位点(riboSNitch)更容易造成疾病。。。。。。这些钻研暗示了PrismNet模型将来在钻研RBP结合、RNA结构变动在疾病中作用的潜在利用价值。。。。。。

  RBP和RNA钻研领域内多年的堆集，，，，，，，，产生了约莫200个基于CLIP尝试的RBP转录组结合图谱，，，，，，，，是钻研RNA调控的沉要资源。。。。。。PrismNet的一个沉要利用价值在于大大扩充了这个资源。。。。。。好比，，，，，，，，对于肆意一个RBP，，，，，，，，只有在这七个细胞系的肆意一个细胞系内做了CLIP尝试，，，，，，，，PrismNet就能够通过构建正确的深度神经网络模型，，，，，，，，把结合信息表推到所有七个细胞系钟祝。。。。。对该钻研所产生的大量细胞内RNA结构、所预测的分歧RBP结合位点的信息资源，，，，，，，，作者提供了查问以及下载网站（http://prismnet.zhanglab.net/）供其他钻研组接见和使用。。。。。。

  最后要提到的是，，，，，，，，张强锋钻研组利用PrismNet模型，，，，，，，，使用新冠病毒SARS-CoV-2在宿主细胞内的RNA基因组结构信息，，，，，，，，预测了多个新冠病毒的宿主结合蛋白；；；；；；；；从这些宿主蛋白启程，，，，，，，，找到了一些对抑造新冠传布有效的沉定位药物(Sun et al., 2021)。。。。。。这个钻研再次证了然PrismNet的辽阔利用远景。。。。。。

  据悉，，，，，，，，清华大学性命学院博士后孙磊、博士生徐魁、博士生黄文泽等为论文第一作者，，，，，，，，张强锋为论文通讯作者。。。。。。浚浚？？？翁庾槔钆巍⑻评凇⑿芡帕植┦俊⑵用懒岵┦康任咀暄凶龀隽顺烈毕住。。。。。生射中心PI、清华大学医学院沈晓骅尝试室尹亚飞博士、清华大学医学院纪家葵尝试室王楠提供了有关细胞系。。。。。。香港中文大学王晓刚教授与邵静博士为深度进建模型设计提供了贵重建议。。。。。。商汤钻研院在GPU推算设施上提供了援手。。。。。。钻研工作获得国度天然科学基金委、科技部沉点研发打算、北京结构生物学高精尖创新中心、性命科学结合中心的赞助。。。。。。

Lu, Z., Zhang, Q.C., Lee, B., Flynn, R.A., Smith, M.A., Robinson, J.T., Davidovich, C., Gooding, A.R., Goodrich, K.J., Mattick, J.S., et al. (2016). RNA Duplex Map in Living Cells Reveals Higher-Order Transcriptome Structure. Cell 165, 1267-1279.

Shi, B., Zhang, J., Heng, J., Gong, J., Zhang, T., Li, P., Sun, B.F., Yang, Y., Zhang, N., Zhao, Y.L., et al. (2020). RNA structural dynamics regulate early embryogenesis through controlling transcriptome fate and function. Genome Biol 21, 120.

Spitale, R.C., Flynn, R.A., Zhang, Q.C., Crisalli, P., Lee, B., Jung, J.W., Kuchelmeister, H.Y., Batista, P.J., Torre, E.A., Kool, E.T., et al. (2015). Structural imprints in vivo decode RNA regulatory mechanisms. Nature 519, 486-490.

Sun, L., Fazal, F.M., Li, P., Broughton, J.P., Lee, B., Tang, L., Huang, W., Kool, E.T., Chang, H.Y., and Zhang, Q.C. (2019). RNA structure maps across mammalian cellular compartments. Nature structural & molecular biology 26, 322-330.

Sun, L., Li, P., Ju, X., Rao, J., Huang, W., Zhang, S., Xiong, T., Xu, K., Zhou, X., Ren, L., et al. (2021). In vivo structural characterization of the whole SARS-CoV-2 RNA genome identifies host cell target proteins vulnerable to re-purposed drugs. Cell https://doi.org/10.1016/j.cell.2021.02.008.