通过整合区域特异性特征预测功能性UTR变异

信使核糖核酸（mRNA）的非翻译区（UTR），包括5'UTR和3'UTR，在调节基因表达和翻译中发挥着关键作用。UTR中的变异可能导致与人类性状和疾病相关的变化；然而，计算预测UTR变异的影响是具有挑战性的。当前的非编码变异预测主要集中于启动子和增强子，忽略了UTR的独特序列，因此限制了其预测准确性。在本研究中，我们利用来自疾病数据库和大规模实验数据的合并UTR变异数据集，系统性地分析了50多个UTR的区域特异性特征，包括功能元素、二级结构、序列组成和位点保守性。我们的分析表明，某些特征，例如5'UTR中的C/G相关序列组成和3'UTR中的A/T相关序列组成，能够有效区分非功能性和功能性变异集，揭示了功能性UTR变异的潜在序列决定因素。利用这些见解，我们开发了两个分类模型，通过机器学习预测功能性UTR变异，5'UTR的曲线下面积（AUC）值为0.94，3'UTR为0.85，优于所有现有方法。我们的模型将对增强遗传变异的临床解读、促进疾病风险的预测和管理具有重要价值。