Genome Biol：杨力组开发基于深度学习的计算分析框架实现RNA测序数据直接鉴别RNA编辑与DNA突变位点

本研究开发的DEMINING流程（图1），通过深度学习模型DeepDDR，实现从RNA测序数据中高效准确地识别RNA编辑和DNA突变。DEMINING流程首先通过严格的筛选标准去除转录组数据中的测序和比对错误（图1a），然后将获得的高可信度（DNA和RNA）突变位点信息作为输入，通过搭建的深度学习模型DeepDDR实现DNA突变和RNA编辑的精准区分（图1b）。

在DeepDDR模型的训练过程中，研究团队从403个配套的RNA测序和DNA测序数据集中提取了122,872个高可信度的RNA编辑位点和相同数量的DNA突变位点，分别用于训练、验证和测试模型。在此模型构建过程中，研究人员创新性的将突变位点上下游序列和测序读段编码，构建带注意力的双碱基上下文共轭同频矩阵（matrix of the co-occurrence frequencies of each mutation site with its context bases, CMC），作为DeepDDR模型的编码输入，接着通过使用多个层次的卷积和池化操作，提取出突变位点周围的序列以及读段比对特征，通过这种方法，DeepDDR模型不仅能够识别出突变位点，还能够捕捉到这些突变在更大范围内的上下文信息，这可能是有效区分RNA编辑和DNA突变的关键所在。

DEMINING框架不仅在人类样本中表现出色，经过小样本迁移学习，还可应用于非灵长类的RNA测序样本，展现了DEMINING框架广泛的应用潜力。在迁移学习过程中，研究团队将人类数据集上训练的DeepDDR模型作为预训练模型，进一步利用小鼠脑组织的RNA测序数据进行微调。通过这种方法，DeepDDR模型在小鼠数据集上的RNA编辑识别准确性得到了显著提高。相似的改进也在其他非灵长类物种（线虫）的数据集中得到了验证，表明DEMINING框架的可迁移性和广泛适用性。

最后，科研人员探索了利用DEMINING框架从已发表的人类RNA测序数据中直接鉴别DNA突变的应用。在分析急性髓性白血病（AML）患者的RNA测序数据时，DEMINING识别出了大量此前未报道的可能与疾病相关的DNA突变和RNA编辑位点。这些突变与宿主基因的上调表达或新抗原的产生相关，为AML的发病机制提供了新的见解。

图 1：开发用于DNA突变（DMs）和RNA编辑位点（REs）分类的DEMINING框架及嵌入式DeepDDR模型

a. 构建用于直接分类DNA突变（DM）和RNA编辑（RE）的分步DEMINING计算框架。HPB：每十亿碱基上的读段覆盖数，MF：突变频率，MR：包含突变的读段数目。b. 用于DM和RE分类的嵌入式DeepDDR模型示意图。左图：通过每个突变位点与其上下文碱基的共现频率（CMC）提取特征的策略。右图：DeepDDR模型架构。c. 在RE识别上评估不同模型。展示了DeepDDR（红色）、EditPredict（紫色）和RED-ML（蓝色）在测试集上RE识别性能的ROC（左图）曲线和精度-召回率（PRC，右图）曲线。图中标明了三种方法的ROC下面积（AUROC）和PRC下面积（AUPRC）值。d. 在DM识别上评估DeepDDR。展示了DeepDDR在测试集上DM识别性能的ROC（左图）和PRC（右图）。图中包括了DeepDDR的AUROC和AUPRC值。（Credit: Genome Biology）

综上，DEMINING框架通过嵌入的深度学习模型DeepDDR，实现了从RNA测序数据中高效、精确地鉴定RNA编辑和DNA突变。随着RNA测序数据的不断积累，特别是与疾病相关的转录组数据，DEMINING框架有望在更广泛的人类疾病RNA测序样本中应用，揭示更多与疾病相关的突变和基因，为诊断和治疗提供潜在靶点。DEMINING的构建是利用人工智能模型在转录组分析中的有一有效尝试。

2024年10月3日，杨力研究员也受邀与国际同行为Molecular Cell撰写相关Voices （https://www.cell.com/molecular-cell/abstract/S1097-2765(24)00693-2），展望人工智能时代转录组RNA系统分析研究的发展趋势（Yang et al, Molecular Cell 2024）。