NC | 深度学习解码正常与癌组织中的RNA翻译位点

RNA翻译调控决定蛋白质丰度，尤其在癌症等疾病中受多种遗传与非遗传因素影响。RNA翻译是一个复杂的过程，由40S和60S核糖体亚基依次结合RNA，并伴随多种真核起始因子及辅助因子，最终形成活性核糖体。

核糖体印迹分析（Ribo-seq）近年来广泛用于评估mRNA的翻译效率，精准挖掘非典型开放阅读框（ORFs）及可变蛋白形式。因此，对Ribo-seq数据的计算分析已成为多个研究领域的基础，如新基因发现、RNA调控、蛋白质基因组学、微蛋白生物学，以及以RNA翻译为作用靶点的疾病治疗研究。

然而，Ribo-seq的数据分析受限于小ORFs的统计能力不足，以及生物学（如组织类型、细胞系与组织样本的差异）和技术因素（如翻译抑制剂、建库方案）导致的测序读段与翻译模式变异，影响现有工具（如ORFquant、RpBp、Ribo-TISH等）的稳定性，并导致预测分歧和假阳性较多。

2025年2月2日，美国密歇根州大学John R. Prensner团队在Nature Communications上发表了一篇题为“Deep learning to decode sites of RNA translation in normal and cancerous tissues”的论文，开发了RiboTIE工具，改进了基于Ribo-seq核糖体印迹数据ORF的分析，帮助研究者深入挖掘Ribo-seq数据，以拓展对人类细胞及疾病状态的理解。

文章索引

【IF】14.7

研究结果

一. RiboTIE优势明显

RiboTIE主要特点：

1）省略预处理步骤，避免数据丢失，提高性能。

2）先预测TIS再构建ORF，确保全转录组覆盖。

3）仅基于RPFs计数分析，减少偏倚。

4）采用Transformer模型与预训练优化性能。

测试显示，RiboTIE在ORF预测的灵敏度和准确性优于现有工具（如ORFquant、RpBp等），识别标准CDS数量提升64.9%，小于300 bp的CDS检出率提高300%。

RiboTIE预测更稳定，假阳性较少，并在u(o)ORFs识别上具有优势，同时减少intORFs和d(o)ORFs的误判。lncRNA-ORFs预测更精准，避免低可信度结果。

二. 实测能力分析

RiboTIE在73例脑组织和15例髓母细胞瘤样本中检测到63786个ORF，相比RibORF预测的158855个ORF，准确性更高。

RiboTIE更依赖TIS周围读段，HHT处理可提高检测性能。分析24例髓母细胞瘤细胞系，鉴定201个MYC相关差异翻译ncORFs，并富集于已知疾病相关基因。

结合TIS Transformer预测22个亚型特异ncORFs，部分ncORF-CDS关联在MYC高/低表达状态下呈反向相关。质谱验证44个ncORF相关多肽，表明ncORFs在髓母细胞瘤中具有调控作用。

总结

RiboTIE是一种基于Transformer模型的方法，可直接利用Ribo-seq核糖体印迹分析测序数据精准检测翻译ORFs，提升分析精度与灵敏度。其应用于正常脑组织和髓母细胞瘤样本，既验证了已知发现，也揭示了新的翻译调控机制，表明RiboTIE可有效解析Ribo-seq数据，助力疾病相关蛋白合成研究。

点击图片查看

点击图片查看