HyLnc：融合深度上下文嵌入与手工序列特征的长链非编码RNA预测框架
核心概要
该研究提出HyLnc框架，先用掩码语言建模在大型后生动物RNA序列语料上预训练一个定制的BERT模型，再在长链非编码RNA与蛋白编码转录本数据集上微调并提取256维深度嵌入，同时计算348个手工特征（含ORF特征、UTR属性、核苷酸组成与Fickett分数），经多阶段特征选择后由多种机器学习分类器评估，其中随机森林表现最佳，在独立验证集上取得91.30%准确率、91.23% F1分数与82.60 MCC，优于若干现有lncRNA预测工具。
深度剖析
HyLnc将基于BERT的深度上下文嵌入与348个生物学可解释的手工序列特征组合成混合特征集，用于lncRNA与蛋白编码转录本的区分。 以往方法多单独依赖手工序列特征或深度学习方法，该工作把两类信息并行提取并整合，以弥补单一来源在刻画RNA序列复杂性上的不足。 摘要报告了完整的特征构建流程：掩码语言建模预训练、微调后提取256维嵌入、并行计算348个手工特征，并施加多阶段特征选择得到优化后的混合特征集。
在多种机器学习分类器中，随机森林取得最佳性能，HyLnc在独立验证数据集上达到91.30%准确率、91.23% F1分数与82.60 MCC。 该结果被表述为优于若干现有lncRNA预测工具，说明混合特征策略在预测性能上具有竞争力。 性能数字来自独立验证数据集，属于对未见数据的评估；但摘要未给出对比工具的具体名称与逐项数值，也未说明验证集规模与构成。
该框架被定位为可扩展的大规模转录组注释方案，并可推广到其他基于序列的预测任务。 作者将HyLnc的价值从单一lncRNA识别扩展到转录组注释与更广泛的序列预测场景。 这是作者基于框架设计（预训练加微调加特征工程）提出的应用前景陈述，摘要中未提供在其他物种或任务上的实测结果。
启示与展望
该工作面向从转录组序列中区分lncRNA与蛋白编码转录本的二分类场景，预训练语料为后生动物RNA序列，评估在独立验证数据集上完成。其设计目标是大规模转录组注释，并声称可延伸至其他基于序列的预测任务，因此适用对象是拥有序列数据并需要自动注释的研究与注释流程。
摘要未说明验证数据集的规模、物种构成与类别平衡情况，也未列出所比较的现有工具名称及其对应指标，因此91.30%准确率与82.60 MCC的相对优势幅度尚不明确。此外，348个手工特征经多阶段选择后保留多少、哪些特征最具信息量，以及模型在其他物种或其他序列预测任务上的表现，均属于读者可继续关注的方向。