近日，深圳大学人工智能学院朱泽轩教授团队与中国农业科学院深圳农业基因组研究所阮珏研究员团队合作在期刊Nature Communications上发表了题为“A dual context-aware basecaller for nanopore direct RNA sequencing”的研究论文。深圳大学计算机与软件学院博士生谢少辉和人工智能学院副研究员丁璐璐为共同第一作者，朱泽轩教授和阮珏研究员为共同通讯作者，深圳大学为论文第一完成单位。
纳米孔直接RNA测序（DRS）无需逆转录扩增，具有直接读取天然RNA分子、保留修饰信息及长读长测序等诸多优势，是转录组学研究的有力工具。但DRS的突出瓶颈在于碱基识别错误率偏高。本论文开发了名为Coral的深度学习框架，通过显式建模测序信号与碱基序列双上下文依赖关系，在保持高效推理的同时，有效提升纳米孔DRS碱基识别准确率，为转录本异构体发现、等位基因特异性表达及单倍型分型等下游分析提供了更精准的“基座”。在人类 RNA 样本上，相较牛津纳米孔科技公司（ONT）官方商业模型 Dorado，Coral在碱基识别准确率上最高可提升 6.17%，并进一步带来转录本异构体检出量 26% 的提升；在单倍型分型任务上，切换错误最高降低 78.8%，汉明错误降低 76%，并可分型更多单核苷酸多态性位点。
该研究得到国家重点研发计划、国家自然科学基金等项目的资助与支持。
原文链接：https://www.nature.com/articles/s41467-026-68566-2
科研动态