GA黄金甲

环形RNA是一类宽泛表白的非编码RNA，有较高的细胞类型及组织表白特异性，在器官发育及肿瘤产生等过程中起着沉要的调控作用

；沸蜶NA由3‘端的受体位点和5’端的供体位点共价衔接形成，这一过程被称为反向剪接，然而由于短缺poly(A)尾，环形RNA无法被经过polyA富集等转录组建库方式有效捕获。因而，环形RNA的表白信息在绝大部门单细胞以及空间转录组数据中缺失。为了获得丰硕的单细胞及空间水平的环形RNA表白信息，必要研发新型环形RNA表白预测算法。

GA黄金甲（国度生物信息中心）高远团队与GA黄金甲北京性命科学钻研院赵方庆团队结合研发了深度进建模型CIRI-deep，以正确预测分歧样本间的差距剪接环形RNA。该模型从环形RNA调控机造角度启程，整合了3527个环形RNA特异的顺式元件以及1499个样本特异的反式因子作为输入特点，且不依赖于传统的反向剪接信号鉴别，能够在肆意转录组样本间预测差距剪接的环形RNA。评估了局批注，CIRI-deep能够实现多种转录组测序数据中差距剪接环形RNA的靠得住预测，并在单细胞及空间水平实现细胞类型特异环形RNA的正确解析，拥有宽泛的利用场景。

钻研团队首先从397个深度测序的全转录组（total RNA-seq）样本中鉴别了超过2500万高度可信的环形RNA差距剪接事务。由于这些剪接事务覆盖了25幼我体组织，使用它们作为训练集，使CIRI-deep拥有优良的泛化机能。CIRI-deep在测试数据集上的AUROC值达到了0.906，并且能够正确预测来自非训练集病理前提与正常样本间的环形RNA差距剪接。此表，在低深度测序的转录本中，CIRI-deep对差距环形RNA的预测成效优于基于reads数的统计检验步骤。

为了诠释CIRI-deep的预测道理，钻研团队研发了一种深度进建可诠释性分析框架Adapted Integrated Gradient（AIG），以量化分析组织特异环形RNA的调控成分及其贡献。了局批注，相较于基因序列结构等顺式元件，RNA结合蛋白等反式因子的表白水平对预测正确性的贡献更大，且拥有更强的组织特异性。该分析框架验证了已知的环形RNA剪接的调控成分，如剪接位点，内含子区域的Alu元件，FUS蛋白的表白等，也提醒了之前未发现的潜在调控因子如NOVA2，KHDRBS3等对环形RNA剪接的影响。

为了从polyA富集测序的单细胞以及空间转录组数据中挖掘环形RNA表白水平差距，钻研团队进一步利用polyA数据训练了CIRI-deepA模型。了局批注，CIRI-deepA的预测阐发大幅超过直接使用polyA数据揣度差距剪接环形RNA的成效。在脑胶质瘤数据集上利用CIRI-deepA批注该模型可有效预测肿瘤细胞群体和健全细胞群体之间的差距剪接环形RNA。钻研团队也将CIRI-deepA利用到了10X单细胞数据集上，正确预测了分歧细胞群体的特异高表白环形RNA。另表，在空间转录组数据中，CIRI-deepA可用于预测空间区域特异高表白的环形RNA，并实现对环形RNA表白进行空间区域水平的可视化。利用CIRI-deepA预测的高度特异表白环形RNA，可进一步解析分歧区域的细胞类型组成。

综上所述，CIRI-deep模型可有效用于各转录组样本间揣度差距剪接环形RNA，极大拓展了环形RNA的钻研领域，为环形RNA钻研提供了新的高效分析步骤。同时，CIRI-deepA模型能够提供单细胞及空间水平环形RNA的有效解析，为挖掘细胞类型特异的环形RNA标志物提供了沉要的步骤学工具。

该成就以“CIRI-Deep Enables Single-Cell and Spatial Transcriptomic Analysis of Circular RNAs with Deep Learning”为题，于2月2日颁发于Advanced Science?期刊。GA黄金甲（国度生物信息中心）高远钻研员以及北京性命科学钻研院赵方庆钻研员为本文的通讯作者，北京基因组钻研所博士钻研生周子菡和北京性命科学钻研院张金阳副钻研员为本文的共同第一作者。该钻研得到了国度沉点研发打算、国度天然科学基金及中科院人才等项主张赞助。

基于深度进建的环形RNA差距剪接预测算法CIRI-deep

论文链接

CIRI-deep在线测试版