RNA的亚细胞定位,包括长非编码RNA(lncRNAs)、信使RNA(mRNAs)、microRNAs(miRNAs)和其他较小的RNA,在决定其生物学功能方面起着关键作用。 例如,lncRNAs主要与染色质相关,并作为基因转录和染色质结构的调节因子,而mRNA分布在细胞核和细胞质中,促进蛋白质合成的遗传信息传输。 理解RNA定位揭示了具有空间和时间精度的基因表达调节等过程。 然而,用于确定RNA定位的传统湿实验室方法,如原位杂交,通常耗时,资源要求且成本高昂。 为了克服这些挑战,利用人工智能(AI)和机器学习(ML)的计算方法已成为强大的替代方案,从而对RNA亚细胞定位进行了大规模预测。 本文全面回顾了基于AI的RNA亚细胞定位预测方法的最新进展,涵盖了各种RNA类型,并侧重于基于序列的,基于图像的和混合方法,这些方法结合了两种数据类型。 我们强调了这些方法在加速RNA研究,发现分子途径和指导靶向疾病治疗方面的潜力。 此外,我们批判性地讨论了AI / ML方法在RNA亚细胞定位方面的挑战,例如数据稀缺和缺乏基准,以及解决这些问题的机会。 该综述旨在成为寻求在RNA亚细胞定位等领域开发创新解决方案的研究人员的宝贵资源。
No more items to load.