杨海涛，邓赵红，王士同

江南大学 人工智能与计算机学院，江苏 无锡214122

核糖核酸（ribonucleic acid，RNA），存在于生物细胞以及部分病毒、类病毒的遗传信息载体之中，在生命体中主要发挥调控编码基因表达的作用，同时也担任基因转录后合成蛋白质的模板角色，是生命体中不可缺少的成分。一条RNA想要顺利发挥其功能，一般需要借助RNA 结合蛋白（RNA-binding protein，RBP）进行介导，因此缺少某种RBP 可能会导致某类RNA 无法发挥其调控或翻译的功能，使生命体的某些重要蛋白质缺失或异常增殖，影响自身机能。

RNA 结合蛋白（RBP）是翻译过程的关键参与者，它们结构域的多功能性与结构灵活性使得RBP能够控制大量转录物的代谢。RBP 几乎涉及翻译调控层的所有步骤，它们与其他蛋白质以及编码和非编码RNA 建立高度动态的相互作用，产生称为核糖核蛋白复合物的功能单元，调节RNA 剪切、多腺苷酸化、稳定性、定位、翻译和退化[1-2]。研究发现，某些特定RBP 具有调节RNA 合成癌蛋白和肿瘤抑制蛋白的功效，因此破译RBP 与癌症相关RNA 靶标之间错综复杂的结合关系网络将为肿瘤生物学提供更好的研究方向，并可能发现治疗癌症的新方法[3-4]。

在大数据和测序技术高度发展的背景下，医疗条件无法对每对RNA 和RBP 进行结合性检测，因此涌现了很多利用机器学习模型从RNA 序列中识别RBP 结合位点[5]的算法。例如：Maticzka 等人提出了GraphProt[6]方法，其从高通量实验数据中学习RBP序列和结构的结合偏好，设计出独特的计算框架；Corrado 等人提出RNACommender[7]，一种预测结合位点的方法，能够通过可用的相互作用信息，考虑蛋白质结构和RNA 的模拟二级结构，向未探索的RBP推荐RNA 靶点；……