Machine learning approaches for the prediction of binding sites for RNA binding proteins

RNA binding proteins (RBPs) play an essential role in many biological processes. Understanding the specific binding preferences of RBPs helps us in understanding the various steps of gene expression and may help in solving several genetic disorders. There are thousands of RBPs in humans, and only a small fraction of them are well understood. Current experimental methods for identifying RBP targets, such as CLIP-seq and RNAcompete, usually suffer from high false negative rate. In this work, we develop deep neural network models that allow us to learn binding preferences for a large number of RBPs from CLIP-seq data. We developed three deep architectures and used them to predict RNA-protein binding. We further analyze the importance of RNA secondary structure in RBP binding by incorporating computationally predicted secondary structure features as input to our models. We evaluate our model on the publicly available dataset of RBP binding sites derived from CLIP-seq. The results demonstrate that our approach achieves better or comparable performance with other state-of-the-art methods. Further, our model is able to automatically capture the interpretable binding motifs for several RBPs.Les protéines de liaison à l'ARN (RBP) jouent un rôle essentiel dans de nombreux processus biologiques. Comprendre les préférences de liaison spécifiques de RBP nous aide à comprendre les différentes étapes de l'expression des gènes et peut aider à résoudre plusieurs troubles génétiques. Il y a des milliers de RBP chez les humains, et seulement une petite partie d'entre elles est bien comprise. Les méthodes expérimentales actuelles pour identifier des cibles de ces RBP, telles que CLIP-seq et RNAcompete, souffrent généralement d'un taux élevé de faux négatifs. Dans ce travail, nous développons des modéles de réseaux neuronaux profonds qui nous permettent d'apprendre les préférences de liaison pour un grand nombre de RBP à partir de données CLIP-seq. Nous avons développé trois architectures profondes et les utilisons pour prédire la liaison ARN-protéine. Nous analysons en outre l'importance de la structure secondaire de l'ARN dans la liaison RBP en incorporant des caractéristiques de structure secondaire prédites par des outils bioinformatiques en entrée de nos modéles. Nous évaluons notre modéle sur l'ensemble de données disponibles au public des sites de liaison RBP dérivés de CLIP-seq. Les résultats démontrent que notre approche atteint des performances meilleures ou comparables celles d'autres méthodes de pointe. En outre, notre modéle est capable de capturer automatiquement des motifs de liaison interprétables pour plusieurs RBP