Small Methods | 赵东宇团队建立了人工智能POCALI方法：预测和理解肿瘤lncRNAs

本文介绍了北京大学赵东宇团队开发的人工智能方法POCALI，用于预测和理解肿瘤中的长非编码RNA（lncRNA）。研究背景指出，lncRNA作为肿瘤诊断和治疗的新型生物标志物，其研究价值日益凸显，但现有方法多依赖基因突变特征，而其他组学特征的应用较少。研究目的是整合表观基因组、基因组、转录组等六大类共44个多组学特征，开发具有可解释性的机器学习方法POCALI，以全面预测肿瘤lncRNA并解析其潜在作用机制。研究结论表明，POCALI在性能上优于现有方法，尤其在敏感性指标上表现更优，且能揭示不同组学特征对预测肿瘤lncRNA的贡献程度，为肿瘤诊疗提供了新的潜在靶点。