pre-miRBench: a multispecies benchmark and reference model for animal precursor microRNA prediction
本文介绍了 pre-miRBench，这是一个标准化的多物种基准测试和参考模型，旨在实现不同物种和 miRNA 家族之间动物前体 microRNA 预测器的公平比较，并证明其集成模型在实现卓越整体性能的同时，也为未来的研究提供了可复现的资源。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
从最简单的蠕虫到最复杂的人类，每只动物的每个细胞内都蕴藏着一个庞大的遗传指令库。在这些指令中，存在着被称为微小RNA（microRNAs）的微小短分子。这些分子充当着微妙的调节器，通过开启或关闭其他基因来确保身体功能的正常运行。为了完成工作，这些微小RNA必须首先从较长的、呈发夹状折叠的遗传物质链中被切割出来。科学家们早已知道如何寻找成熟的微小RNA，但要在庞大的基因组中定位隐藏其中的原始发夹状前体，就像是在一堆外形相似的针中寻找其中特定的一根针一样困难。挑战在于，数百万个随机的DNA片段都可以折叠成与真实结构几乎完全一致的形状，但它们在生物学上是毫无用处的。将真正的前体与这些“伪装者”区分开来，对于理解生命运作机制至关重要；然而，以往试图构建计算机程序来解决这一难题的尝试很难进行比较，因为每个团队使用的规则和数据集都各不相同。
现在，一支研究团队创建了一个全新的标准化测试平台，旨在消除这些差异并改进用于寻找这些遗传发夹的工具。他们构建了一个包含超过7.7万个样本的大型数据集，这些样本取自71个不同的动物物种。该集合包括数千个经过证实的真实发夹结构，以及数万个经过精心挑选、极难与真实结构区分开的类似序列。随后，研究人员选取了六个现有的旨在寻找这些发夹的计算机程序，并使用这个统一且共享的数据集对它们进行了重新训练。此外，他们还利用一个自主人工智能系统构建了一个全新的、高度复杂的模型，该系统能够在没有人类干预的情况下进行自我设计和训练。通过在四个截然不同的挑战场景（从熟悉的物种到完全陌生的物种）下测试所有七个程序，该团队能够准确观察到哪些方法最为有效，以及哪些方法存在不足。
结果显示，没有任何一个程序在所有情况下都是完美的，但新的AI设计模型在各项表现中都极其出色。当在程序从未见过的物种和基因家族上进行测试时，新模型始终排名在前列或接近顶尖水平，这证明它学习到了这些遗传结构的底层规则，而非仅仅是死记硬背特定的例子。其中一个较旧的程序（此前曾是该领域的佼佼者）仅在物种和基因家族对于训练数据而言完全陌生的最困难场景中表现稍好。然而，表现最好的两个程序之间的差距极小，处于统计不确定性的范围内，这表明两种方法现在都已具备极高的能力。研究还表明，仅仅屏蔽一种类型的信息（例如特定的动物物种）并不总是会让任务变得更难；有时，程序的表现甚至会持平或更好，这说明任务的难度取决于多种因素的复杂组合。
这项工作为衡量这些遗传搜索工具建立了一个新标准。通过提供一组固定的数据和清晰的衡量成功的方法，研究人员消除了此前难以比较不同方法所带来的困惑。他们开发的这种新模型现在已作为参考点提供给其他科学家使用，以确保该领域的未来发现都能建立在坚实且可重复的基础之上。该研究证实，虽然寻找这些微小的遗传调节器仍然是一项艰巨的任务，但现代机器学习技术——尤其是由自主系统引导的技术——正在迅速缩小计算机预测与真实生物学事实之间的差距。研究人员提醒道，尽管他们的工具功能强大，但目前仍是在基于对何为“假”发夹的特定定义进行工作，而基因组本身的复杂性意味着总有待学习的内容。尽管如此，这一新的基准测试为完善那些帮助我们解读生命遗传密码的数字工具提供了一条清晰的路径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。