RNA結合蛋白（RBP）在各種生物學過程中都起著至關重要的作用，它們在RNA上的結合位點可以深入了解涉及RBPs的疾病背后的機制。因此，如何識別RNA上的RBP結合位點對于后續(xù)分析至關重要。今天，小編就給大家介紹一種基于深度學習的RNA-蛋白質結合位點預測的網站：RBPsuite，這是一個易于使用的網絡服務器，用于預測線性和環(huán)形RNA上的RBP結合位點。

RBPsuite首先將輸入的RNA序列分割為101個核苷酸的片段，并對片段與RBP之間的相互作用進行評分。RBPsuite進一步檢測結合片段上已驗證的基序，從而給出沿全長序列的結合得分分布。對于線性RNA，RBPsuite使用iDeepS來預測它們與RBP的結合分數；對于環(huán)狀RNA（circRNA），RBPsuite使用CRIP預測它們與RBP的結合分數。

話不多說，上鏈接：http://www.csbio./bioinf/RBPsuite/，根據官網地址打開主頁面如下。

RBPsuite需要三種類型的輸入：RNA類型，預測模型和RNA序列。電子郵件地址是可選的。如果提供了電子郵件，則作業(yè)完成后將向該電子郵件發(fā)送通知。

Step 1. 選擇 RNA類型

線性RNA、circRNA是由不同的模型預測的。如果不確定輸入序列屬于哪種RNA類型，則可以首先使用WebCircRNA(https:///resources/webcircrna/submit)評估circRNA的潛力，然后選擇RNA類型。

Step 2. 選擇預測模型

RBPsuite提供兩種類型的預測模型：常規(guī)模型（所有可用的RBP）和特定模型（一種特定的RBP）。如果確切知道蛋白質名稱，則使用特定模型。否則使用常規(guī)模型，該模型將預測所有RBP與輸入RNA之間的相互作用得分。

Step 3. 輸入RNA序列

我們可以輸入RNA序列或以FASTA格式上傳序列文件。

Step 4.電子郵件（可選）

此步驟可選。但建議輸入郵箱地址，RBPsuite會將結果發(fā)送到郵箱。這樣我們就可以將結果保存下來，不會丟失。

下面我們以線性RNA，常規(guī)模型為例，對該數據庫的簡要使用進行說明。

提交后，跳轉至結果頁面，我們可以單擊此URL，或者下方郵件的RESULT查看結果。

該結果將顯示輸入RNA與所有RBP之間的相互作用得分。有關單個RBP，我們可以單擊感興趣的RBP，以查看預測結果的更多詳細信息。下面我們以RBP：CSTF2T為例，對結果進行簡要說明。

點擊CSTF2T，以下表格將顯示輸入RNA序列的不同區(qū)段與RBP結合的具體得分情況。

注意：為了提高計算效率，RBPsuite將輸入序列劃分為長度為101的不重疊的區(qū)段，并在表格中顯示具有感興趣RBP的每個段的分數。

當然，這些結果都是可供下載的。