Seq-RBPPred : Prédiction des protéines liant l'ARN à partir de la séquence

Les protéines liant l'ARN (RBPs) peuvent interagir avec les ARN pour réguler la traduction de l'ARN, la modification, l'épissage et d'autres processus biologiques importants. L'identification précise des RBPs est d'une importance capitale pour comprendre les mécanismes complexes sous-jacents aux activités vitales des organismes. Les méthodes expérimentales traditionnelles pour prédire les RBPs nécessitent beaucoup de temps et d'argent, il est donc important de développer des méthodes computationnelles pour prédire les RBPs. Cependant, les approches existantes pour la prédiction des RBPs nécessitent encore des améliorations en raison des RBPs non identifiés dans de nombreuses espèces. Dans cette étude, nous présentons Seq-RBPPred (prédiction des RBPs à partir de la séquence), une méthode innovante qui utilise une représentation des caractéristiques complète englobant à la fois des propriétés biophysiques et des caractéristiques d'état caché dérivées des séquences protéiques. Dans les résultats, des évaluations de performance complètes de Seq-RBPPred montrent sa supériorité par rapport aux méthodes à la pointe de la technologie, avec des performances impressionnantes comprenant 0,922 pour la précision globale, 0,926 pour la sensibilité, 0,903 pour la spécificité, et un coefficient de corrélation de Matthew (MCC) de 0,757 tel que déterminé à partir de l'évaluation de l'ensemble de test. Les données et le code de Seq-RBPPred sont disponibles sur https://github.com/yaoyao-11/Seq-RBPPred.