最近搞了个公众号《AI and Bioinformatics》介绍应用于生物信息学的人工智能算法和研究进展，以及网络表示学习算法研究，欢迎向本公众号投稿文献解读类原创文章，可以是自己or自己组的论文，也可以是阅读觉得不错的论文。投稿邮箱：[email protected] 公众号链接 今天给大家介绍我们最近接收的一篇关于lncRNA-miRNA互作预测的综述文章（处于预出版中），来自吉林大学黄岚教授、王岩教授大数据智能团队在期刊《IEEE/ACM Transactions on Computational Biology and Bioinformatics》发表题为“A survey of computational methods and databases for lncRNA-miRNA interaction prediction”的论文。

长非编码RNAs（lncRNAs）和microRNAs（miRNAs）是目前研究中两种普遍的非编码RNAs。它们在动物和植物的生命过程中起着关键的调节作用。研究表明，lncRNAs可以与miRNAs相互作用，参与转录后的调控过程，主要参与调控癌症的发展、转移性进展和耐药性。此外，这些相互作用对植物的生长、发育以及对生物和非生物胁迫的反应有重大影响。破译lncRNAs和miRNAs之间的潜在关系可能为我们了解lncRNAs和miRNAs的生物学功能以及复杂疾病的发病机制提供新的见解。相比之下，通过生物实验收集关于lncRNA-miRNA相互作用（LMIs）的信息是昂贵和费时的。随着多组学数据的积累，计算模型在系统地探索潜在的LMIs方面极具吸引力。据我们所知，这是第一个关于识别LMIs的计算方法的全面回顾。具体来说，我们首先总结了用于预测动物和植物LMIs的现有公共数据库。其次，我们全面回顾了预测LMIs的计算方法，并将其分为两类，包括基于网络的方法和基于序列的方法。第三，我们分析了LMI预测中使用的标准评价方法和指标。最后，我们指出了目前研究中的一些问题，并讨论了未来的研究方向。相关的数据库和LMI预测的最新进展被总结在GitHub仓库中https://github.com/sheng-n/lncRNA-miRNA-interaction-methods，而且我们会持续更新。

（1）考虑到目前研究中还没有关于lncRNA-miRNA互作预测相关的综述，随着lncRNASNP数据库的出现和更新，最近几年逐渐出现关于该研究的方法。我们将其归为两类：一类是基于网络的网络的方法，主要用lncRNA和miRNA相关特征计算相似性，并构建异构网络来进行后续预测；另外一类是基于序列的方法，该类方法只使用lncRNA和miRNA的序列信息并使用各种深度学习模型来自动提取特征，此类方法大多数用于植物lncRNA-miRNA互作预测。我们将这两类方法作了一个全面的总结，并把它们放在github中，方便相关研究人员和初学者查找相关领域进展。 （2）这篇综述相比较我们上一篇关于lncRNA-疾病的综述（CBM|用于lncRNA-疾病关联预测的数据资源和计算方法（综述））做了一些改进。1）我们单独描述了每个计算方法，并给出了关键公式以及部分方法的流程图。2）单独总结了当前研究的不足及研究方向，包括以下几点：Data quality、Negative sample selection、Scalability、Multi-task prediction、Combining computational and biological experiments。当然还有一些其他研究方向，由于知识有限就没有总结到。 此贴仅记录一下自己写这篇文章时的一个感受，欢迎批评和指出不足。

Sheng N, Huang L, Gao L et al. A survey of computational methods and databases for lncRNA-miRNA interaction prediction, IEEE/ACM Transactions on Computational Biology and Bioinformatics 2023, DOI: 10.1109/TCBB.2023.3264254.

https://doi.org/10.1109/TCBB.2023.3264254

https://github.com/sheng-n/lncRNA-miRNA-interaction-methods