研究提出 HERCULES 框架,用于 RNA 结合区域定位和突变影响预测
HERCULES: a deep-learning framework for RNA-binding region localization and mutation-effect prediction
研究团队提出 HERCULES 框架,将微调的 ProteinBERT 与残基级理化描述符结合,用于 RNA 结合倾向预测、位点定位和氨基酸替换影响评估。在独立基准上,HERCULES 区分 RBP 与非 RBP 的 AUROC 为 0.86,并在残基分辨率下富集注释的相互作用区域。
预印本 · biorxiv · 10.64898/2026.03.17.712455
本站摘要基于收录版本 v2(2026-10-27),原始摘要与 AI 导读固定保留。
来源最近更新: · 来源 v2
RNA 结合蛋白调控着 RNA 代谢的关键步骤,然而仅凭蛋白质序列来鉴定 RNA 相互作用区域并对改变结合能力的序列变异进行优先级排序,仍然是一个难题。在此我们提出 catRAPID signature 2.0 HERCULES(Hybrid framEwoRk for RNA-binding domain loCalization and mUtation anaLysis using physicochemical and languagE modelS,即用于 RNA 结合结构域定位与突变分析的混合框架,结合理化描述符与语言模型),该方法将微调后的 ProteinBERT 模型与残基级理化描述符相结合,以预测整体 RNA 结合倾向性、定位相互作用位点并评估氨基酸替换的影响。语言模型能够捕捉结构域尺度的序列上下文信息,而理化模块则对局部残基变化具有敏感性。在独立基准测试中,HERCULES 区分 RNA 结合蛋白(RBP)与非 RBP 的 AUROC 达到 0.86。在残基分辨率下,它在经典、非经典及推定结构域类别中,均能在已注释的相互作用区域内富集高分位点,同时在独立的 InterPro 基准上保持了优异的性能。利用疾病相关重复序列 RNA(CGG、CAG 及含中断的 CAACAG 重复序列)进行的蛋白质微阵列实验,独立验证了 HERCULES 优先筛选出的多个未被收录的候选 RBP。借助经过人工整理的、与 RNA 结合受损相关的 UniProt 变体,HERCULES 还能根据预测的结合倾向性变化,优先筛选出有害的氨基酸替换。通过整合蛋白质层面的分类、残基定位、变体效应预测与实验验证,HERCULES 为 RNA 结合蛋白、相互作用区域及突变敏感位点的优先级排序提供了一个可解释的框架。HERCULES 可在 https://tools.tartaglialab.com/hercules 免费获取,并作为开源 Python 包发布于 https://github.com/tartaglialabIIT/hercules.git。
来源:bioRxiv · biorxiv.org