pre-miRBench：用于动物前体微小RNA预测的多物种基准与参考模型

研究动机：前体微RNA（pre-miRNA）预测用于对基因组发夹结构进行优先级排序，以辅助miRNA注释。现有预测器基于不同的物种集合、负样本集和数据划分进行训练与评估，因此其报告的性能提升难以直接比较。 研究结果：我们提出了pre-miRBench，这是一个包含7,056个以经过整理的pre-miRNA基因座为中心的200 nt窗口，以及70,560个带有预测发夹结构的基因组负样本的基准数据集，涵盖71种动物，并在每个数据划分中固定阳性样本与阴性样本的比例为1:10。四个测试集根据训练集中是否包含相关物种和miRNA家族进行交叉划分：已知物种/已知家族、已知物种/留出家族、留出物种/已知家族，以及留出物种/留出家族。我们在相同的基准划分下重新训练了六种已发表的pre-miRNA预测器（DeepMir、deepMiRGene、dnnPreMiR、mirDNN、miRe2e和MuStARD），并将其与pre-miRBench模型一同进行评估。pre-miRBench模型是利用Agentomics开发的由三个神经网络组成的集成模型；Agentomics是一种用于生物医学机器学习的自主大型语言模型（LLM）智能体系统。pre-miRBench模型在四个测试集上的平均平均精度（AP）最高（0.9809；dnnPreMiR为0.9719），并在其中三个测试集中取得最佳表现。两个留出物种为家鸡（Gallus gallus）和黑腹果蝇（Drosophila melanogaster）；物种与家族联合留出测试集包含69个阳性样本和690个阴性样本。在物种与家族联合留出测试集中，dnnPreMiR取得了最高AP（0.9677，而pre-miRBench为0.9659）。AP差值（pre-miRBench减去dnnPreMiR）为−0.0018，配对自助法95%置信区间为−0.0445至0.0341。pre-miRBench为物种留出和miRNA家族留出建立了统一的评估框架，并为未来的性能比较提供了可复现的参考模型。 数据与实现：可复现的源代码发布于https://github.com/dimostzim/pre-miRBench。pre-miRBench及六种重新训练的预测器的数据集、训练模型权重、记录级预测结果、评估指标和物种面板元数据发布于https://zenodo.org/records/22813044。

pre-miRBench：用于动物前体微小RNA预测的多物种基准与参考模型 | bioRxiv

跳转至主要内容 主页 关于 投稿 提醒 / RSS 搜索该关键词 高级搜索 最新结果

# pre-miRBench：用于动物前体微小RNA预测的多物种基准与参考模型

查看 ORCID 主页 Dimosthenis Tzimotoudis， 查看 ORCID 主页 Vasileios Klearchos Chatzitolios， 查看 ORCID 主页 Panagiotis Alexiou， 查看 ORCID 主页 Georgios Georgakilas

doi： https://doi.org/10.64898/2026.09.30.755660

Dimosthenis Tzimotoudis¹ ¹马耳他大学分子医学与生物样本库中心； 在 Google Scholar 中查找该作者 在 PubMed 中查找该作者 在本站搜索该作者 Dimosthenis Tzimotoudis 的 ORCID 记录

Vasileios Klearchos Chatzitolios² ²希腊雅典国立卡波季斯特里安大学信息学与电信系； 在 Google Scholar 中查找该作者 在 PubMed 中查找该作者 在本站搜索该作者 Vasileios Klearchos Chatzitolios 的 ORCID 记录

Panagiotis Alexiou¹ ¹马耳他大学分子医学与生物样本库中心； 在 Google Scholar 中查找该作者 在 PubMed 中查找该作者 在本站搜索该作者 Panagiotis Alexiou 的 ORCID 记录

Georgios Georgakilas³ ³雅典娜研究中心信息管理系统研究所，15125，希腊马鲁西 在 Google Scholar 中查找该作者 在 PubMed 中查找该作者 在本站搜索该作者 Georgios Georgakilas 的 ORCID 记录

通讯作者： george.georgakilas{at}gmail.com

## 摘要

信息/历史 指标 预览 PDF

## 摘要

**研究动机：** 前体微小RNA（pre-miRNA）预测用于筛选基因组发夹结构，以确定其优先用于miRNA注释。已发表的预测器采用不同的物种集合、阴性数据集和数据划分方式进行训练与评估，因此其报告的性能提升难以直接比较。

**研究结果：** 我们提出了 pre-miRBench，这是一个包含7,056个长度为200 nt、以经整理的pre-miRNA基因座为中心的窗口，以及70,560个基因组阴性样本的基准数据集。这些样本来自71种动物，并包含预测得到的发夹结构；每个数据划分中的正负样本比例固定为1∶10。四个测试集分别考察训练数据中是否包含相关物种和miRNA家族：已知物种/已知家族、已知物种/留出家族、留出物种/已知家族，以及留出物种/留出家族。我们在相同的基准划分下重新训练了6种已发表的pre-miRNA预测器（DeepMir、deepMiRGene、dnnPreMiR、mirDNN、miRe2e和MuStARD），并将其与pre-miRBench模型一同进行评估。pre-miRBench模型由Agentomics开发，是由3个神经网络组成的集成模型；Agentomics是一种面向生物医学机器学习的自主大型语言模型代理系统。pre-miRBench模型在4个测试集上的平均平均精确率（AP）最高（0.9809；dnnPreMiR为0.9719），并在其中3个测试中取得领先。两个留出物种为鸡（Gallus gallus）和黑腹果蝇（Drosophila melanogaster）；物种与家族联合留出的测试集包含69个正样本和690个负样本。在物种与家族联合留出测试中，dnnPreMiR的AP最高（0.9677，而pre-miRBench为0.9659）。AP差值（pre-miRBench减去dnnPreMiR）为−0.0018，配对自助法95%置信区间为−0.0445至0.0341。pre-miRBench为物种留出和miRNA家族留出建立了统一的评估体系，并为未来的比较研究提供了可复现的参考模型。

**可用性与实现：** 可复现的源代码发布于：https://github.com/dimostzim/pre-miRBench。pre-miRBench及重新训练的6种预测器的数据集、训练后的模型权重、记录级预测结果、评估指标和物种面板元数据发布于：https://zenodo.org/records/22813044。

## 利益冲突声明

## 资助信息声明

HORIZON-WIDERA-2022， BioGeMT（项目编号：101086768）。 Xjenza Malta和科学技术研究委员会（TÜBİTAK）

## 版权

本预印本的。

本预印本依据 CC-BY 4.0国际许可协议 提供。

返回顶部 上一篇 下一篇

发表于2026年10月6日。

下载 PDF 电子邮件

感谢您有兴趣传播bioRxiv上的内容。

**您的电子邮件地址 *

您的姓名 *

发送至 *

请输入多个地址，每行一个或以逗号分隔。

您将要发送的内容如下： pre-miRBench：用于动物前体微小RNA预测的多物种基准与参考模型

邮件主题 （您的姓名）转发了bioRxiv网站上的一个页面

邮件正文 （您的姓名）认为您可能会对bioRxiv网站上的该页面感兴趣。

您的个人留言

验证码

此问题用于测试您是否为人类访问者，并防止自动垃圾邮件提交。

分享

# pre-miRBench：用于动物前体微小RNA预测的多物种基准与参考模型

Dimosthenis Tzimotoudis， Vasileios Klearchos Chatzitolios， Panagiotis Alexiou， Georgios Georgakilas

bioRxiv 2026.09.30.755660； doi： https://doi.org/10.64898/2026.09.30.755660

分享本文： 复制

引用工具

pre-miRBench：用于动物前体微小RNA预测的多物种基准与参考模型

Dimosthenis Tzimotoudis， Vasileios Klearchos Chatzitolios， Panagiotis Alexiou， Georgios Georgakilas

bioRxiv 2026.09.30.755660； doi： https://doi.org/10.64898/2026.09.30.755660

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.30.755660v1?rss=1

🏷️ 前体微小RNA预测 多物种基准数据集 深度学习 机器学习模型评估 miRNA注释 跨物种泛化