Nature Methods：同濟(jì)大學(xué)史偈君團(tuán)隊(duì)開發(fā)三代測序檢測RNA修飾的算法基準(zhǔn)平臺，為多種修飾檢測提供權(quán)威指南

編輯丨王多魚

排版丨水成文

RNA修飾是“表觀轉(zhuǎn)錄組學(xué)”的核心研究對象，廣泛參與 RNA 穩(wěn)定性、剪接和翻譯等生物學(xué)過程，精準(zhǔn)調(diào)控 RNA 命運(yùn)。牛津納米孔技術(shù)（ONT）推出了直接RNA測序（DRS）方案，無需擴(kuò)增直接對 RNA 分子進(jìn)行測序，通過捕捉其穿過納米孔時(shí)產(chǎn)生的電信號差異，并借助計(jì)算建模區(qū)分不同修飾類型，從而實(shí)現(xiàn)在單次實(shí)驗(yàn)中同時(shí)檢測多種 RNA 修飾。隨著該技術(shù)的應(yīng)用，大量用于解析 DRS 數(shù)據(jù)中修飾信號的算法不斷涌現(xiàn)。

然而，這些算法的性能究竟如何？能否準(zhǔn)確區(qū)分不同的修飾類型？面對 DRS 技術(shù)的持續(xù)迭代，計(jì)算工具應(yīng)如何適應(yīng)？這些問題始終懸而未決。

2025 年 12 月 10 日，同濟(jì)大學(xué)史偈君教授團(tuán)隊(duì)在Nature Methods期刊發(fā)表了題為 ：Systematic Evaluation of Computational Tools for Multitype RNA Modification Detection Using Nanopore Direct RNA Sequencing 的研究論文。

該研究構(gòu)建了高質(zhì)量、單堿基分辨率的基準(zhǔn)數(shù)據(jù)集作為“金標(biāo)準(zhǔn)”，并從準(zhǔn)確性、生物學(xué)合理性、跨樣本泛化能力及計(jì)算效率四個(gè)維度出發(fā)，設(shè)置了十余項(xiàng)評估指標(biāo)，對 86 種基于直接RNA測序（DRS）技術(shù)的RNA修飾檢測算法進(jìn)行了迄今為止最系統(tǒng)全面的“大比武”。研究涵蓋了 m6A、假尿嘧啶（Ψ）、m5C、A-to-I 編輯，m1A 和 m7G 這六種重要RNA修飾，不僅揭示了現(xiàn)有工具的性能差異與局限，還通過大規(guī)模重訓(xùn)練，展示了模型的遷移能力。

本研究的主要發(fā)現(xiàn)包括：

1）模型重訓(xùn)練策略顯著提升檢測性能：僅使用體外轉(zhuǎn)錄（IVT）RNA 訓(xùn)練的工具在應(yīng)用于真實(shí)生物樣本時(shí)表現(xiàn)不佳。而將兩者結(jié)合進(jìn)行重訓(xùn)練，能極大提升工具的預(yù)測準(zhǔn)確性和跨數(shù)據(jù)集泛化能力，尤其對 Ψ、m5C 和 A-to-I 等非 m6A 修飾效果明顯。

2）m6A檢測工具整體表現(xiàn)優(yōu)異，非m6A工具仍面臨挑戰(zhàn)：Dorado 和 SingleMod 模型在 m6A 的定性和定量分析中均表現(xiàn)突出。然而大多數(shù)非 m6A 修飾檢測工具在定量準(zhǔn)確性和跨樣本泛化方面仍明顯不足。

3）生物學(xué)合理性是重要試金石：理想的檢測工具不僅需具備高準(zhǔn)確性，其預(yù)測結(jié)果也應(yīng)符合已知的生物學(xué)規(guī)律。研究發(fā)現(xiàn)，部分工具所預(yù)測的修飾位點(diǎn)分布與真實(shí)分布存在偏差。此外，m6Anet 模型憑借其多示例學(xué)習(xí)（MIL）模塊的合理設(shè)計(jì)，在區(qū)分野生型與酶敲除樣本方面表現(xiàn)優(yōu)異，凸顯了算法設(shè)計(jì)對提升生物學(xué)解釋力的重要性。

4）工具難以區(qū)分相同堿基上的不同修飾：研究首次系統(tǒng)揭示，當(dāng)前工具在單堿基分辨率下仍難以可靠區(qū)分發(fā)生在同一堿基上的不同修飾（例如同樣位于腺苷的 m6A、m1A 和 A-to-I 編輯），易導(dǎo)致“模糊預(yù)測”，是未來算法優(yōu)化的重要方向。

5）重訓(xùn)練模型可適配DRS技術(shù)迭代：隨著 DRS 技術(shù)從 RNA002 升級至 RNA004，測序通量得到提升，但電信號特征的變化使舊版算法無法直接遷移。該研究提出的重訓(xùn)練模型可有效適配 RNA004 數(shù)據(jù)，緩解了新版本數(shù)據(jù)分析工具短缺的現(xiàn)狀。

為促進(jìn)領(lǐng)域發(fā)展，研究團(tuán)隊(duì)發(fā)布了全面的算法性能總結(jié)與在線資源平臺——NaRMBench，將每個(gè)工具的 12 項(xiàng)關(guān)鍵性能指標(biāo)整合為交互式雷達(dá)圖（平臺地址：https://jiejunshi.github.io/NaRMBench_radar），方便用戶根據(jù)需求進(jìn)行選擇與比較。該工作不僅為實(shí)驗(yàn)學(xué)者篩選適用分析工具提供了實(shí)用依據(jù)，也為算法開發(fā)指明了優(yōu)化方向，為完善 RNA 修飾檢測方法學(xué)奠定了重要的基準(zhǔn)資源與權(quán)威指導(dǎo)。

同濟(jì)大學(xué)生命科學(xué)與技術(shù)學(xué)院史偈君教授為論文通訊作者，課題組研究生羅婷婷與徐默萍為共同第一作者，研究生王淼、陳發(fā)迎亦對該研究做出重要貢獻(xiàn)。該研究獲得國家自然科學(xué)基金資助。

論文鏈接：

https://www.nature.com/articles/s41592-025-02974-y