骨关节炎(osteoarthritis,OA)是最常见的慢性致残性关节疾患,目前尚无针对病因的有效治疗手段。程序性坏死在多种疾病中扮演关键角色,受体相互作用蛋白质激酶3(receptor-interacting protein kinase 3,RIP3)是程序性坏死进程的关键调控...骨关节炎(osteoarthritis,OA)是最常见的慢性致残性关节疾患,目前尚无针对病因的有效治疗手段。程序性坏死在多种疾病中扮演关键角色,受体相互作用蛋白质激酶3(receptor-interacting protein kinase 3,RIP3)是程序性坏死进程的关键调控因子。有研究显示,RIP3在人与鼠骨关节炎退变软骨组织中表达水平显著上调,提示程序性坏死的发生,但RIP3在软骨中的具体病生理角色仍不明确。本研究拟对过表达RIP3前后的软骨细胞转录物组进行测序分析,探索RIP3在骨关节炎进程中发挥作用的具体机制。RNA测序结果显示,RIP3的过表达诱发软骨细胞中244个基因表达上调,277个表达下调。通过进一步构建基因间共表达作用网络,筛选出16个候选靶基因在mRNA水平进行验证,证实RIP3对磷脂酰肌醇3激酶调节亚单位5(phosphoinositide-3-kinase,regulatory subunit 5,Pik3r5)、整合素β3(integrin subunit beta 3,Itgb3)及成髓细胞瘤转录因子第2亚型(MYB proto-oncogene like 2,Mybl2)的表达上调作用最为显著。CCK-8以及乳酸脱氢酶活性检测结果表明,利用siRNA沉默Itgb3的表达可显著抑制RIP3诱发的软骨细胞活力下降及程序性坏死,同时也抑制了RIP3对软骨细胞中分解代谢相关基因Mmp1、Mmp13与Il6的表达上调作用,以及其对合成代谢相关基因Acan、Col2a1与Sox9的下调作用。本研究证实,RIP3通过上调软骨细胞中Itgb3的表达诱发软骨细胞坏死与软骨基质代谢紊乱,并最终导致软骨退变,为骨关节炎的临床治疗提供了新靶点,同时进一步明确了程序性坏死的病理生理学意义。展开更多
尽管已有利用lncRNA和蛋白质的信息来预测lncRPI的方法,但仅利用蛋白质和RNA的序列特征来进行预测相互作用仍然是一个挑战,并且模型预测的准确性有待提高。因此,本文提出了一种融合卷积神经网路和自注意力机制的预测模型LPI-Attention(L...尽管已有利用lncRNA和蛋白质的信息来预测lncRPI的方法,但仅利用蛋白质和RNA的序列特征来进行预测相互作用仍然是一个挑战,并且模型预测的准确性有待提高。因此,本文提出了一种融合卷积神经网路和自注意力机制的预测模型LPI-Attention(Long non-coding RNA based on self-attention mechanism),该模型采用了k-mer方法来编码RNA和蛋白质序列特征作为模型的输入,这种方法可以同时考虑两种序列的信息,从而提高了预测的准确性。此外,在密集型卷积模块中,使用两种尺度的特征提取,更好地捕捉局部和全局的信息。最后,将得到的特征输入自注意力循环网络层中,更好地处理序列数据的长期依赖关系,将得到的RNA、蛋白质二者特征信息融合成新的特征放入全连接层进行预测。实验结果表明,该模型不仅扩展了生物特征预测领域,而且可以学习RNA序列与蛋白质序列之间更多的相互作用关系,在预测RPIs方面表现优于大多数同类方法,在数据集RPIs1446、RPIs1807、RPIs488上的准确率分别达到91.7%、96.6%、91.6%。展开更多
文摘尽管已有利用lncRNA和蛋白质的信息来预测lncRPI的方法,但仅利用蛋白质和RNA的序列特征来进行预测相互作用仍然是一个挑战,并且模型预测的准确性有待提高。因此,本文提出了一种融合卷积神经网路和自注意力机制的预测模型LPI-Attention(Long non-coding RNA based on self-attention mechanism),该模型采用了k-mer方法来编码RNA和蛋白质序列特征作为模型的输入,这种方法可以同时考虑两种序列的信息,从而提高了预测的准确性。此外,在密集型卷积模块中,使用两种尺度的特征提取,更好地捕捉局部和全局的信息。最后,将得到的特征输入自注意力循环网络层中,更好地处理序列数据的长期依赖关系,将得到的RNA、蛋白质二者特征信息融合成新的特征放入全连接层进行预测。实验结果表明,该模型不仅扩展了生物特征预测领域,而且可以学习RNA序列与蛋白质序列之间更多的相互作用关系,在预测RPIs方面表现优于大多数同类方法,在数据集RPIs1446、RPIs1807、RPIs488上的准确率分别达到91.7%、96.6%、91.6%。