SingleMod

SingleMod

SingleMod是一种深度学习模型，专为利用纳米孔直接RNA测序（DRS）数据在单RNA分子中精确检测m6A修饰而设计。该模型通过深度多实例回归框架进行训练，能够充分利用广泛的甲基化率标签。SingleMod是一个通用框架，可轻松适配其他核酸修饰的检测模型训练。

注意： SingleMod支持从RNA002试剂盒或最新RNA004试剂盒生成的直接RNA测序数据中预测m6A修饰。

环境要求

数据准备：

数据	说明
fast5或pod5文件	包含原始电流信号
reference.fa	基因组或转录组参考序列，推荐使用基因组参考序列
methylation_rate.bed	甲基化率标签文件，仅训练自定义模型时需要

操作系统：
本流程在Linux系统上运行。
需安装Python3.6及以上版本。

软件依赖：

工具	用途	备注
Guppy	通过碱基识别从fast5生成fastq	若fast5已碱基识别，可忽略
dorado	通过碱基识别从pod5生成fastq	适用于RNA004数据，若pod5已碱基识别，可忽略
minimap2	将reads比对到参考序列
samtools	BAM文件处理
bedtools	BED文件处理
Picard	将BAM文件拆分为多个文件	支持并行处理，显著节省时间
nanopolish	信号对齐，将电流信号分配到碱基	使用版本0.13.2
pod5	将pod5格式转换为fast5格式	适用于RNA004数据
f5c	信号对齐，将电流信号分配到碱基	适用于RNA004数据

Python模块：

模块	用途	备注
torch	开源Python机器学习库
pysam	BAM文件处理	用于在IGV中可视化单分子m6A标记
adabound	优化模型参数	仅训练自定义模型时需要

确保已安装以下基础包：numpy, os, re, random, scipy, datetime, collections, argparse, multiprocessing, array

SingleMod代码（https://github.com/xieyy46/SingleMod-v1/tree/main/SingleMod）：

代码	用途	备注
organize_from_eventalign.py	从nanopolish eventalign结果中提取并整理原始信号
merge_motif_npy.py	按不同motif整理原始信号
SingleMod_m6A_prediction.py	预测单分子中的m6A修饰
bam_mark_m6A.py	在BAM文件中标记m6A修饰，用于单分子m6A可视化
SingleMod_train.py	训练自定义模型	仅训练自定义模型时需要

SingleMod预训练模型：
RNA002（哺乳动物）：https://github.com/xieyy46/SingleMod-v1/tr