利用 RNA 对比学习提升预测性能
机器学习
2023-10-18 v2 基因组学
摘要
面对快速累积的基因组数据，我们对 RNA 调控密码的理解仍不完整。其他领域近期的自监督方法已展现出学习数据生成过程底层规则（如语言中的句子结构）的能力。受此启发，我们通过利用由可变剪接与基因复制产生的序列间的功能相似性，将对比学习技术拓展至基因组数据。我们新颖的数据集与对比目标使得广义 RNA 异构体表征的学习成为可能。我们在 RNA 半衰期与平均核糖体负载预测等下游任务上验证了其效用。我们的预训练策略在两项任务上通过线性探测取得了具竞争力的结果，并在低数据条件下使皮尔逊相关系数最高提升两倍。重要的是，我们对所学潜在空间的探索揭示，我们的对比目标产生了具有语义意义的表征，凸显其作为 RNA 性质预测有价值初始化技术的潜力。
引用
@article{arxiv.2310.08738,
title = {Splicing Up Your Predictions with RNA Contrastive Learning},
author = {Philip Fradkin and Ruian Shi and Bo Wang and Brendan Frey and Leo J. Lee},
journal= {arXiv preprint arXiv:2310.08738},
year = {2023}
}