生物工程学报

作者：魏欣，涂建，漆俊，胡思亲，贾建华

单位：1.江西服装学院 商学院，江西 南昌330201;2.江西服装学院 大数据学院，江西 南昌330201;3.景德镇陶瓷大学 信息工程学院，江西 景德镇333403

关键词：RNA表观遗传修饰;N6,2′-O-二甲基腺苷;DenseNet;注意力机制;损失函数

基金：国家自然科学基金(61761023)；江西省教育厅科学技术研究项目(GJJ2402711, GJJ2402712, GJJ2402708)；江西服装学院专项资助项目(JFZX-202502)

N6,2′-O-二甲基腺苷(N6,2′-O-dimethyladenosine, m6Am)作为一种重要的RNA表观遗传修饰，其独特的化学结构和生物学功能成为当前研究的热点之一。m6Am不仅能够调控mRNA的稳定性和半衰期，还会调节其与翻译起始因子及RNA结合蛋白的相互作用，从而在转录后调控过程中发挥关键作用。m6Am还与肥胖、2型糖尿病等代谢性疾病以及多种病毒感染和肿瘤的发生密切相关。对m6Am位点的预测研究对于疾病的早期诊断和精准治疗具有重要意义。尽管m6Am修饰的生物学功能正逐渐受到关注，但相关研究仍受限于检测技术的局限与高昂的成本。计算生物学方法为大规模m6Am位点鉴定提供了新的思路。本研究构建了一种非平衡m6Am位点预测模型——im6Am-DC，该模型采用DenseNet网络提取高级局部特征，并引入注意力机制(coordinate attention, CA)以突出重要的特征信息。此外，为解决数据不平衡问题，模型使用了损失函数。结果显示，在full transcript数据集上，im6Am-DC模型的灵敏度(sensitivity, Sn)、特异性(specificity, Sp)、准确度(accuracy, Acc)和马修斯相关系数(Matthews correlation coefficient, MCC)分别为0.523 7、0.988 4、0.946 1和0.629 8；在mature RNA数据集上，同指标表现同样优秀。同时，将im6Am-DC模型分别应用于多个不同的数据集进行预测，包括非平衡m6Am位点数据集、平衡m6Am位点数据集，以及其他类型的RNA修饰位点，从而全面、多维度评估该模型的性能与应用潜力。结果表明，im6Am-DC模型在非平衡m6Am位点预测中具有显著优势，模型的建立为m6Am修饰功能研究及相关疾病机制探索提供了有效的技术支持。

来源：2026年第2期

《生物工程学报》期刊编辑部

查看生物工程学报杂志2026年第2期