論文の概要: Path Signatures Enable Model-Free Mapping of RNA Modifications

• arxiv url: http://arxiv.org/abs/2511.08855v1
• Date: Thu, 13 Nov 2025 01:12:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-13 22:34:54.25936
• Title: Path Signatures Enable Model-Free Mapping of RNA Modifications
• Title（参考訳）: RNA修飾のモデルフリーマッピングを可能にする経路シグナチャ
• Authors: Maud Lemercier, Paola Arrubarrena, Salvatore Di Giorgio, Julia Brettschneider, Thomas Cass, Isabel S. Naarmann-de Vries, Anastasia Papavasiliou, Alessia Ruggieri, Irem Tellioglu, Chia Ching Wu, F. Nina Papavasiliou, Terry Lyons,
• Abstract要約: 本稿では,修正検出を異常検出問題として再設定するモデルフリー計算手法を提案する。 本手法は, 各ナノ孔の読み出しに対して, 現場の生イオン電流信号から, 頑健で変化に敏感な特徴を抽出する。 我々は、異常スコアを統計的p値に変換し、個々の読み出しレベルとサイトレベルの両方で異常検出を可能にする。
• 参考スコア（独自算出の注目度）: 2.8692064813746883
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detecting chemical modifications on RNA molecules remains a key challenge in epitranscriptomics. Traditional reverse transcription-based sequencing methods introduce enzyme- and sequence-dependent biases and fragment RNA molecules, confounding the accurate mapping of modifications across the transcriptome. Nanopore direct RNA sequencing offers a powerful alternative by preserving native RNA molecules, enabling the detection of modifications at single-molecule resolution. However, current computational tools can identify only a limited subset of modification types within well-characterized sequence contexts for which ample training data exists. Here, we introduce a model-free computational method that reframes modification detection as an anomaly detection problem, requiring only canonical (unmodified) RNA reads without any other annotated data. For each nanopore read, our approach extracts robust, modification-sensitive features from the raw ionic current signal at a site using the signature transform, then computes an anomaly score by comparing the resulting feature vector to its nearest neighbors in an unmodified reference dataset. We convert anomaly scores into statistical p-values to enable anomaly detection at both individual read and site levels. Validation on densely-modified \textit{E. coli} rRNA demonstrates that our approach detects known sites harboring diverse modification types, without prior training on these modifications. We further applyied this framework to dengue virus (DENV) transcripts and mammalian mRNAs. For DENV sfRNA, it led to revealing a novel 2'-O-methylated site, which we validate orthogonally by qRT-PCR assays. These results demonstrate that our model-free approach operates robustly across different types of RNAs and datasets generated with different nanopore sequencing chemistries.
• Abstract（参考訳）: RNA分子の化学修飾を検出することは、転写学において重要な課題である。 従来の逆転写に基づくシークエンシング法では、酵素依存バイアスと配列依存バイアスと断片RNA分子が導入され、転写産物の正確なマッピングが確立された。 ナノ孔直接RNAシークエンシングは、ネイティブRNA分子を保存し、単一分子の分解能で修飾の検出を可能にする強力な代替手段を提供する。 しかし、現在の計算ツールでは、十分なトレーニングデータが存在するような、十分にキャラクタライズされたシーケンスコンテキストの中で、修正型の限られたサブセットしか特定できない。 本稿では,修正検出を異常検出問題として再編成するモデルフリー計算手法を提案する。 ナノ孔の読み出し毎に,シグネチャ変換を用いて生イオン電流信号から高感度な特徴を抽出し,その特徴ベクトルを近傍の特徴ベクトルと比較して異常スコアを算出する。 我々は、異常スコアを統計的p値に変換し、個々の読み出しレベルとサイトレベルの両方で異常検出を可能にする。 密に修飾された \textit{E。 大腸菌rRNAは、これらの修飾を事前に訓練することなく、様々な修飾型を持つ既知の部位を検出することを実証する。 さらにこの枠組みをデングウイルス(DENV)転写産物や哺乳類mRNAにも適用した。 DENV sfRNAは新規な2'-Oメチル化部位を示し,qRT-PCRアッセイにより直交的に検証した。 これらの結果は、我々のモデルフリーアプローチが、異なるナノ孔シークエンシングケミストリーで生成された異なる種類のRNAとデータセットに対して堅牢に動作することを示す。

関連論文リスト

• CircFormerMoE: An End-to-End Deep Learning Framework for Circular RNA Splice Site Detection and Pairing in Plant Genomes [0.0]
  サーキュラーRNA(サーキュラーRNA)は、非コードRNA制御ネットワークの重要な構成要素である。 植物ゲノムDNAから直接サーキットRNAを予測するためのトランスフォーマーと専門家の混合に基づく深層学習フレームワークCircFormerMoEを提案する。
  論文  参考訳（メタデータ） (2025-07-11T12:43:17Z)
• Latent Diffusion Models for Controllable RNA Sequence Generation [33.38594748558547]
  RNAはDNAとタンパク質の間の重要な中間体であり、高い配列の多様性と複雑な3次元構造を示す。 可変長の離散RNA配列の生成と最適化のための潜時拡散モデルを開発した。 実験の結果、RNA拡散は様々な生物学的指標の自然な分布と一致した非コードRNAを生成することが確認された。
  論文  参考訳（メタデータ） (2024-09-15T19:04:50Z)
• BEACON: Benchmark for Comprehensive RNA Tasks and Language Models [60.02663015002029]
  本稿では、最初の包括的なRNAベンチマークBEACON(textbfBEnchmtextbfArk for textbfCOmprehensive RtextbfNA Task and Language Models)を紹介する。 まずBEACONは、構造解析、機能研究、工学的応用を網羅した、これまでの広範囲にわたる研究から導かれた13のタスクから構成される。 第2に、CNNのような従来のアプローチや、言語モデルに基づく高度なRNA基盤モデルなど、さまざまなモデルについて検討し、これらのモデルのタスク固有のパフォーマンスに関する貴重な洞察を提供する。 第3に、重要なRNA言語モデルコンポーネントについて検討する。
  論文  参考訳（メタデータ） (2024-06-14T19:39:19Z)
• scRDiT: Generating single-cell RNA-seq data by diffusion transformers and accelerating sampling [9.013834280011293]
  シングルセルRNAシークエンシング(英: Single-cell RNA Sequencing、scRNA-seq)は、生物研究で広く利用されている基盤技術である。 本研究は、scRDiT(scRNA-seq Diffusion Transformer)と呼ばれる生成的アプローチを紹介する。 この方法は、実際のデータセットを活用して、仮想scRNA-seqデータを生成する。
  論文  参考訳（メタデータ） (2024-04-09T09:25:16Z)
• Description Generation using Variational Auto-Encoders for precursor microRNA [5.6710852973206105]
  本稿では、Vari Auto-Encodersによる生成モデリングを利用して、pre-miRNAの潜伏因子を明らかにする新しいフレームワークを提案する。 フレームワークを分類に適用し、高い再構成と分類性能を得るとともに、正確な記述も開発する。
  論文  参考訳（メタデータ） (2023-11-29T15:41:45Z)
• Fast and Functional Structured Data Generators Rooted in Out-of-Equilibrium Physics [44.97217246897902]
  エネルギーモデルを用いて、構造化データセットで高品質なラベル特化データを生成するという課題に対処する。 伝統的な訓練方法は、マルコフ連鎖モンテカルロ混合による困難に遭遇する。 非平衡効果を利用した新しいトレーニングアルゴリズムを用いる。
  論文  参考訳（メタデータ） (2023-07-13T15:08:44Z)
• Accurate RNA 3D structure prediction using a language model-based deep learning approach [50.193512039121984]
  RhoFold+はRNA言語モデルに基づくディープラーニング手法で、配列から単一鎖RNAの3次元構造を正確に予測する。 RhoFold+はRNA 3D構造予測のための完全に自動化されたエンドツーエンドパイプラインを提供する。
  論文  参考訳（メタデータ） (2022-07-04T17:15:35Z)
• Mitigating the Mutual Error Amplification for Semi-Supervised Object Detection [92.52505195585925]
  擬似ラベルの修正機構を導入し,相互誤りの増幅を緩和するクロス・インストラクション(CT)手法を提案する。 他の検出器からの予測を直接擬似ラベルとして扱う既存の相互指導法とは対照的に,我々はラベル修正モジュール(LRM)を提案する。
  論文  参考訳（メタデータ） (2022-01-26T03:34:57Z)
• RNA Alternative Splicing Prediction with Discrete Compositional Energy Network [21.032529696347073]
  回帰タスクとしてのRNAスプライシングの予測を定式化し、学習モデルのベンチマークのための新しいトレーニングデータセット(CAPD)を構築する。 本研究では,スプライスサイト,ジャンクション,転写の階層的関係を利用した離散構成エネルギーネットワーク(DCEN)を提案する。 代替スプライシング予測の場合、DCENはその構成スプライス接合のエネルギー値を通じてmRNA転写確率をモデル化する。
  論文  参考訳（メタデータ） (2021-03-07T03:15:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。