# 纳米孔测序

纳米孔直接RNA测序读tRNA时，修饰会干扰碱基识别，使序列比对在准确率与可用读段数之间难以兼顾。tyCooNN（nano tRNA classifier）改为直接以离子电流信号分类tRNA，绕开碱基识别与序列比对；对大肠杆菌全部48种tRNA，ntc48模型分类准确率为98.2%。研究还用44种tRNA的等摩尔混合物标定并校正读段计数偏差，据此给出各tRNA的绝对丰度，并以二分类器在单分子水平判别特定修饰。

纳米孔直接RNA测序读tRNA时，修饰会干扰碱基识别，使序列比对在准确率与可用读段数之间难以兼顾。tyCooNN（nano tRNA classifier）改为直接以离子电流信号分类tRNA，绕开碱基识别与序列比对；对大肠杆菌全部48种tRNA，ntc48模型分类准确率为98.2%。研究还用44种tRNA的等摩尔混合物标定并校正读段计数偏差，据此给出各tRNA的绝对丰度，并以二分类器在单分子水平判别特定修饰。

马里兰大学等团队发布的RawMod把每个位点上多条读段的纳米孔原始信号堆叠起来，与参考序列的预期信号逐位比较，用单个0.23M参数模型判断该位点是否存在修饰，而不区分修饰类型。在覆盖5mC、5hmC、4mC、6mA和5hmU五类修饰、跨细菌、噬菌体、植物、小鼠、人类与合成DNA的15个数据集上，它的平均AUROC为0.964，已发表模型中最高者为Dorado 4mC+5mC的0.799。它不需要同一样本的未修饰对照，但训练中未出现的修饰类型只有在同一碱基的另一种修饰参与训练时才能零样本迁移。

马里兰大学等团队发布的RawMod把每个位点上多条读段的纳米孔原始信号堆叠起来，与参考序列的预期信号逐位比较，用单个0.23M参数模型判断该位点是否存在修饰，而不区分修饰类型。在覆盖5mC、5hmC、4mC、6mA和5hmU五类修饰、跨细菌、噬菌体、植物、小鼠、人类与合成DNA的15个数据集上，它的平均AUROC为0.964，已发表模型中最高者为Dorado 4mC+5mC的0.799。它不需要同一样本的未修饰对照，但训练中未出现的修饰类型只有在同一碱基的另一种修饰参与训练时才能零样本迁移。

纳米孔测序的原始电流信号连续、没有天然词元，此前多按任务各建专用模型。Brieno 先用残差向量量化把信号压成离散词元，再以掩码词元预测在 1.18 亿条读段上预训练 Transformer，冻结或微调特征即可用于物种识别、条码拆分、碱基识别和甲基化检测。在留出运行上，微调 Brieno 的 CpG 5mC 读段级 AUROC 为 0.978，高于 Dorado 专用 5mCG 模型的 0.975。

纳米孔测序的原始电流信号连续、没有天然词元，此前多按任务各建专用模型。Brieno 先用残差向量量化把信号压成离散词元，再以掩码词元预测在 1.18 亿条读段上预训练 Transformer，冻结或微调特征即可用于物种识别、条码拆分、碱基识别和甲基化检测。在留出运行上，微调 Brieno 的 CpG 5mC 读段级 AUROC 为 0.978，高于 Dorado 专用 5mCG 模型的 0.975。