Detailansicht
Benchmarking and optimizing deep learning architectures for protein-to-mRNA ratio prediction
Felix Elias Krause
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Informatik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Data Science
Betreuer*in
Sebastian Tschiatschek
DOI
10.25365/thesis.80047
URN
urn:nbn:at:at-ubw:1-28432.23272.958082-4
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
In der Entwicklung von Gentherapien und mRNA-basierten Impfstoffen ist die gezielte Optimierung von mRNA-Sequenzen zur Steigerung der Proteinsynthese in menschlichen Zellen von zentraler Bedeutung. In diesem Kontext dient das Verhältnis von Protein zu mRNA (PTR-Ratio) als nützlicher Proxy zur Abschätzung der Translationseffizienz. Die vorliegende Masterarbeit untersucht systematisch die Leistungsfähigkeit von neun modernen Deep-Learning-Architekturen sowie einfachen Baselines bei der Klassifikation, ob eine gegebene mRNA-Sequenz in 29 verschiedenen menschlichen Geweben zu einer niedrigen oder hohen PTR-Ratio führt. Alle Modelle wurden auf einem Datensatz von 11.000 mRNA-Sequenzen mit einem 70/15/15-Split für Training, Validierung und Test trainiert bzw. evaluiert. Die Modellleistung wird anhand der Fläche unter der Receiver-Operating-Characteristic-Kurve (AUC) bewertet. Aufbauend auf dem leistungsstärksten Backbone-Modell wird PTRnet eingeführt, eine erweiterte Version der CNN-basierten RiboNN-Architektur. PTRnet integriert zusätzlich Informationen über die Sekundärstruktur der mRNA, domänenspezifische Trainingsstrategien sowie Unsupervised Pretraining. Während mehrere sequenzbasierte Modelle eine gewisse Generalisierungsfähigkeit zeigen - etwa RiboNN mit einer Test-AUC von 69,1% und PTRnet mit 68,6% - ist ihre Qualität durch frühes Overfitting im Trainingsprozess limitiert. Ein einfaches Multilayer-Perceptron (MLP), das lediglich auf Codonhäufigkeiten basiert, erreicht allerdings eine deutlich höhere Test-AUC von 72,2% und übertrifft damit sowohl die Random-Forest-Baseline (66,8%) als auch das komplexere, pretrained PTRnet. Diese Ergebnisse deuten darauf hin, dass die untersuchten Deep-Learning-Modelle Schwierigkeiten haben, subtilere Muster zu erfassen, die über die in den Codonfrequenzen enthaltenen Informationen hinausgehen. Letztere enthalten offenbar bereits den Großteil der Information, die zur Unterscheidung zwischen niedriger und hoher Proteinexpression erforderlich ist.
Abstract
(Englisch)
Designing optimal mRNA sequences to enhance protein synthesis in human cells is crucial for the advancement of gene therapies and mRNA vaccines. In this context, the Protein-to-mRNA (PTR) ratio serves as a useful proxy for translation efficiency. This master’s thesis systematically benchmarks nine state-of-the-art deep learning architectures, along with simple baselines, to classify whether an mRNA sequence results in a low or high PTR ratio across 29 human tissues. All models are trained on 11,000 mRNA sequences using a 70/15/15 train/validation/test split, with performance measured by the area under the receiver operating characteristic curve (AUC). Building upon the best-performing backbone, we introduce PTRnet, an enhanced version of the CNN-based RiboNN architecture. PTRnet integrates secondary structure features, domain-specific training strategies, and unsupervised pretraining. While several sequence-based models show reasonable generalization - e.g., RiboNN achieving a 69.1% test AUC and PTRnet 68.6% - they are limited by early overfitting during training. Notably, a simple codon frequency-based Multilayer Perceptron (MLP) achieves a 72.2% test AUC, substantially outperforming both a Random Forest baseline (66.8%) and the more complex pretrained PTRnet. These results suggest that the deep models evaluated struggle to capture subtle patterns beyond what is already encoded in codon frequencies, which appear to carry much of the signal necessary to distinguish between low and high protein expression.
Schlagwörter
Schlagwörter
(Deutsch)
Deep Learning Bioinformatik mRNA Protein zu mRNA Verhältnis Genexpression
Schlagwörter
(Englisch)
Deep Learning Bioinformatics mRNA Protein-to-mRNA Ratio Gene Expression
Autor*innen
Felix Elias Krause
Haupttitel (Englisch)
Benchmarking and optimizing deep learning architectures for protein-to-mRNA ratio prediction
Publikationsjahr
2025
Umfangsangabe
vii, 78 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Sebastian Tschiatschek
Klassifikation
54 Informatik > 54.72 Künstliche Intelligenz
AC Nummer
AC17751564
Utheses ID
78685
Studienkennzahl
UA | 066 | 645 | |