mRNA2vec: 基于 5'UTR-CDS 的 mRNA 嵌入语言模型用于 mRNA 设计
定量方法
2024-12-23 v2 人工智能
机器学习
摘要
信使 RNA (mRNA) 基础疫苗正在加速新药发现并改变制药行业。然而，从广泛的 mRNA 图书馆中筛选特定的 mRNA 序列用于疫苗和治疗药物的成本很高。有效的 mRNA 治疗药物需要精心设计的序列，以优化表达水平和稳定性。本文提出一种新型情境语言模型 (LM) 基于嵌入的方法：mRNA2vec。与现有的 mRNA 嵌入方法不同，本方法基于数据2vec 的自监督教师-学生学习框架。我们联合使用 5' untranslated region (UTR) 和编码序列 (CDS) 区域作为输入序列。我们特别为 mRNA 调整了 LM 方法：1) 考虑序列位置的重要性采用概率遮蔽，2) 使用最小自由能 (MFE) 预测和次级结构 (SS) 分类作为额外的预文本任务。mRNA2vec 在 UTR 上的翻译效率 (TE) 和表达水平 (EL) 预测任务中显著优于如 UTR-LM 等 SOTA 方法。它在 CDS 上的 mRNA 稳定性和蛋白质产量水平任务中也表现出竞争性能，如 CodonBERT。
引用
@article{arxiv.2408.09048,
title = {mRNA2vec: mRNA Embedding with Language Model in the 5'UTR-CDS for mRNA Design},
author = {Honggen Zhang and Xiangrui Gao and June Zhang and Lipeng Lai},
journal= {arXiv preprint arXiv:2408.09048},
year = {2024}
}