SpongeScope v1
быстрая нейросеть для поиска взаимодействий lncRNA и miRNA
2 мин чтенияобновлено
Компактная модель от автора sawcheet предсказывает, взаимодействует ли длинная некодирующая РНК (lncRNA) с микроРНК (miRNA). Под капотом — лёгкая архитектура на 697 857 параметров, которая использует cross-attention (механизм перекрёстного внимания) между контекстом кандидатных сайтов связывания и последовательностью miRNA. В отличие от классических методов, часто завышающих качество из-за простых совпадений последовательностей, модель честно проверялась на сложных отрицательных примерах и незнакомых кластерах РНК. Она работает на CPU примерно за 5 мс на пару после кэширования эмбеддинга lncRNA и пригодится биоинформатикам для отбора кандидатов перед лабораторными экспериментами.
Ключевые особенности
- Компактный размер: всего 697 857 параметров и инференс на CPU за ~5 мс на пару при закэшированном представлении lncRNA.
- Строгая валидация cold-start: тестовые lncRNA не пересекаются с обучающими по кластерам MMseqs2 (порог идентичности 80%), а 10% семейств miRNA полностью исключены из обучения.
- Честный датасет: обучение на 15 962 парах из ENCORI CLIP с добавлением сложных негативных примеров (соотношение ~8:1, половина из которых имеет совпадение по 7mer-сайту без реального CLIP-подтверждения).
- Прозрачность ограничений: автор отдельно задокументировал отрицательные эксперименты — добавление тканевой экспрессии и разметки отдельных сайтов не улучшило предсказание пар.
Что можно сделать
- Отранжировать пары lncRNA–miRNA для приоритетной экспериментальной проверки (при проверке топ-10 кандидатов ожидается около 2,7 реальных взаимодействий вместо одного при случайном выборе).
- Использовать встроенные детерминированные сплиты и модуль оценки с бутстрэп-интервалами как эталонный бенчмарк для сравнения собственных моделей предсказания РНК-взаимодействий.
- Проводить массовый скрининг кандидатных взаимодействий на обычном CPU без необходимости арендовать GPU.
Пример
В карточке не приведён код инференса, но описан рабочий сценарий оценки: модель принимает пару из длинной некодирующей РНК (из транскриптов GENCODE 50) и зрелой последовательности микроРНК (из miRBase), вычисляет скор взаимодействия через cross-attention по кандидатным сайтам связывания и выдаёт отранжированный список пар. На выборке cold lncRNA модель достигает AUROC 0.841 и precision@10 = 0.274.
Подробнее
Метрики на тесте: cold lncRNA — AUROC 0.841 (AUPR 0.303, ECE 0.009); seed-controlled — AUROC 0.753 (AUPR 0.312); cold lncRNA + miRNA — AUROC 0.853 (AUPR 0.297).Сравнение с бейзлайном: градиентный бустинг на тех же признаках даёт 0.824 AUROC; cross-attention добавляет около 0.025 AUPR (статистически значимого прироста AUPR на 149 тестовых lncRNA не зафиксировано).
Железо: достаточно обычного CPU (~5 мс на пару после кэширования эмбеддинга lncRNA).
Ограничения: модель предназначена только для ранжирования кандидатов перед экспериментами, не заменяет лабораторную проверку и не калибрована для клинической диагностики.










Комментарии