一夜之间，人工智能（AI）在生信领域的应用就像雨后春笋一般！
是短时间内的蹭热度，还是货真价实的新方向？生信塔今天带给大家这篇亮点满满的AI相关研究，由“生信国家队”杰出成员，在生信友好的顶刊中，发表的这篇深度学习研究！先介绍今天的主角--中国科学院北京基因组研究所（国家生物信息中心）高远教授！高远，中国科学院北京基因组研究所（国家生物信息中心）研究员，北京市“杰出青年”科学基金获得者。课题组聚焦生物信息学算法开发及数据资源整合，并通过挖掘组学数据探究生命与健康前沿问题。以通讯或第一作者在Nature Methods、Science Advances、Trends in Genetics、Nature Communications、Advanced Science等国际著名期刊上发表多篇论文（这可是生信人的神仙导师，搞生信的同学，赶紧努力努力靠过来）。 同时，这个期刊也值得一讲，Advanced Science是中科院1区TOP的综合性期刊！尽管发文量几乎翻了5倍，已突破 2000 篇/年！但是影响因子一直稳定在14分上下，这波操作确实强！！难能可贵的是，这个期刊仍然能找到不少生信文章，所以生信小伙伴要有高质量的研究，可以投稿试试。那么，生信塔今天给大家介绍的这篇文章，作者团队构建了深度学习模型CIRI-deep，能够准确的从单细胞/空间组学数据中，预测出差异剪接环形RNA。
本文中用到了数量巨大的高通量测序数据，无一例外，全来自公共数据库（包括来自NCBI数据库的571个全转录组测序数据、TCGA中9种肿瘤的数据、NCBI中的单细胞/空间组学数据等。TOP文章并不都需要自己高成本收样测序，利用公开数据，四两拨千斤，以小博大，这也是生信的核心魅力！！！机器学习、深度学习是当前的风口，与生信数据挖掘也是天然契合的！无论你是做哪个课题方向，AI+生信分析都能显著提高创新性，实现以小博大，0实验发文。小伙伴们如果不会落地，那就不要迟疑，滴滴生信塔，立即获得性价比极高的个性化思路评估和数据分析服务！题目：CIRI-Deep通过深度学习实现环状 RNA 的单细胞和空间转录组分析公众号后台回复“666”，即可获得原文，文献编号：241103
环状RNA（circRNA）是一种特殊转录物，以其独特的表达模式备受关注。尽管单细胞和空间转录组技术发展，但分析其中的circRNA仍受限。作者团队开发了一种深度学习模型CIRI-deep，旨在全面预测circRNA调控，突破现有技术瓶颈。为训练深度学习模型，作者从RNA Atlas和circAtlas数据库中筛选了571个样本的Total RNA-seq数据，排除低质量数据后，选取了覆盖25个器官系统的397个样本。通过CIRIquant分析，鉴定了75281个外显子circRNA，并量化了它们在397个样本中的连接比率。利用DARTS BHT算法，作者对样本间的circRNA连接比率差异进行了显著性分析，识别出约2500万个差异剪接circRNA（DSCs）或未改变的circRNA事件，确保了数据的高置信度。作者综合样本特异的1499个RBP表达，包括与circRNA生成相关的基因和酶。CIRI-deepA模型利用这些特征，针对poly(A)和Total RNA-seq数据训练，预测连接比率变化。该模型适用于多种数据类型，包括单细胞和空间转录组学数据，且预测效率高。 2，CIRI-Deep模型准确预测样品之间的DSC事件在CIRI-deep训练中，抽取样本中99%的数据作为训练集，剩余1%作测试。独立测试集包含100对未见样本。经8轮训练，模型在测试集上AUROC达0.925，优于其他方法。在遗漏数据上AUROC为0.908，86%样本对超0.85。CIRI-deep在高方差样本对中表现优异，适用于不同组织和细胞系。模型还成功泛化至未经训练的病理数据集，AUROC分别为0.81和0.83。
AI在医学研究中应用场景众多！利用机器学习/深度学习已是当前生信领域的重要工具，无论是临床研究还是基础分析，通过AI来创新是性价比最高的思路。AI+生信分析都能显著提高创新性，实现以小博大，0实验发文。小伙伴们如果不会落地，那就不要迟疑，滴滴生信塔，立即获得性价比极高的个性化思路评估和数据分析服务！生信塔公众号持续为大家带来最新生信思路，更多创新性分析思路请点击往期推荐，快来查看吧！想复现这种思路或者定制更多创新性思路欢迎直接call生信塔，我们团队竭诚为您的科研助力！
