RNA 细胞亚定位预测综述
计算机视觉与模式识别
2025-04-25 v1 人工智能
基因组学
亚细胞过程
摘要
RNA的细胞亚定位，包括长非编码RNA（lncRNA）、信使RNA（mRNA）、微RNA（miRNA）以及其他较小RNA，对于确定其生物学功能发挥关键作用。例如，lncRNA主要与染色质相关，作为基因转录和染色质结构的调节因子；而mRNA在核和细胞质中分布，促进遗传信息的运输用于蛋白质合成。理解RNA的定位有助于理解带有空间和时间精度的基因表达调控过程。然而，传统的 wet lab 方法（如原位杂交）往往耗时、耗资源且成本高昂。为克服这些挑战，利用人工智能（AI）和机器学习（ML）的计算方法日益成为强大的替代方案，使大规模预测RNA细胞亚定位成为可能。本文综述了最新进展，涵盖各种RNA类型，重点关注基于序列的、基于图像的以及结合两种数据类型的混合方法。我们强调了这些方法的潜力，以加速RNA研究、揭示分子通路并指导针对性疾病治疗。此外，我们还批判性地讨论了AI/ML方法在RNA细胞亚定位中的挑战，如数据稀缺和缺乏基准，以及为解决这些问题所可能的机遇。本综述旨在为寻求在RNA细胞亚定位及更广泛领域开发创新解决方案的研究人员提供宝贵资源。
引用
@article{arxiv.2504.17162,
title = {A Comprehensive Review on RNA Subcellular Localization Prediction},
author = {Cece Zhang and Xuehuan Zhu and Nick Peterson and Jieqiong Wang and Shibiao Wan},
journal= {arXiv preprint arXiv:2504.17162},
year = {2025}
}