2026年机器学习在非编码RNA功能预测中的前沿应用

2026/03/202026年机器学习在非编码RNA功能预测中的前沿应用汇报人:1234CONTENTS目录01

非编码RNA研究概述02

机器学习在生物信息学中的应用基础03

非编码RNA功能预测的关键问题04

2026年机器学习核心技术进展05

非编码RNA相互作用预测应用CONTENTS目录06

非编码RNA功能注释前沿方法07

疾病标志物发现与临床应用08

技术挑战与解决方案09

未来发展趋势与展望非编码RNA研究概述01非编码RNA的定义与分类01非编码RNA的核心定义非编码RNA（ncRNA）是指不编码蛋白质的RNA分子，在基因表达调控、染色质重塑、信号传导等生物过程中发挥关键作用。02小分子非编码RNA的主要类别包括miRNA（21-23nt，基因表达负调控）、siRNA（21-23nt，基因沉默）、piRNA（与健康衰老相关，如2026年《衰老细胞》研究发现的9种piRNA标志物）等。03长链非编码RNA的特征与功能长度大于200nt，如lncRNA参与基因调控和染色质修饰；circRNA具有稳定性高、保守性强的特点，可作为ceRNA调节miRNA功能。04其他功能性非编码RNA类型包括参与蛋白质合成的rRNA、tRNA，以及参与RNA加工的snRNA等，在细胞基本生命活动中不可或缺。非编码RNA的生物学功能基因表达调控作用

非编码RNA通过与mRNA结合影响其稳定性、翻译效率和定位，实现对基因表达的精细调控，如miRNA通过结合靶mRNA的3'UTR导致其降解或翻译抑制。染色质重塑功能

长链非编码RNA（lncRNA）可通过影响染色质结构调控基因表达，参与表观遗传调控过程，在细胞分化和发育中发挥重要作用。细胞信号传导参与

非编码RNA参与细胞信号传导过程，如miRNA与靶基因mRNA结合抑制其表达，进而影响细胞信号通路，在免疫应答等生物过程中起关键作用。疾病发生发展关联

非编码RNA与多种疾病密切相关，如某些miRNA在癌症中表达异常，可作为肿瘤抑制因子或癌基因；lncRNAH19在阿尔茨海默病等神经系统疾病中表达异常。非编码RNA与疾病的关联非编码RNA与肿瘤的关系非编码RNA在肿瘤的发生、发展、转移等过程中发挥重要作用，如miR-21在乳腺癌、结直肠癌等肿瘤中表达上调，miR-15a在肺癌中表达下调，lncRNAH19在多种癌症中通过表观遗传调控促进肿瘤进展。非编码RNA与神经系统疾病的关联非编码RNA与神经系统疾病密切相关，如lncRNAH19在阿尔茨海默病、帕金森病等疾病中表达异常，参与神经退行性病变过程，影响神经元功能和存活。非编码RNA与心血管疾病的联系非编码RNA在心血管疾病中扮演重要角色，如miR-126在心肌梗死、心力衰竭等疾病中表达异常，调控血管生成和心肌细胞功能，影响疾病的发生和发展。非编码RNA作为疾病生物标志物的潜力某些非编码RNA可作为疾病诊断的生物标志物，如血液中9种piRNA与健康衰老相关，其中6种piRNA组成的指标对未来两年内生存情况的预测准确率可达86%，超过传统指标，为疾病早期检测提供依据。机器学习在生物信息学中的应用基础02传统机器学习方法原理

01特征工程：序列与结构特征提取传统机器学习依赖人工特征工程，从非编码RNA序列中提取k-mer（如3-mer核苷酸片段）、GC含量、序列长度等局部模式特征，结合RNA二级结构预测工具（如RNAfold）获取的结构稳定性参数作为模型输入。

02典型算法：SVM与随机森林的应用支持向量机（SVM）通过核函数处理非线性序列特征，在lncRNA识别工具PLEKv2中实现跨物种准确率98.7%；随机森林则融合多源特征（如保守性、表观修饰数据），在基因功能预测中通过特征重要性评估筛选关键调控元件。

03模型训练与评估：从数据预处理到性能验证通过F-检验、互信息法等特征选择方法优化输入特征子集，采用交叉验证（如5折交叉验证）评估模型泛化能力，常用AUC、F1-score等指标，例如基于堆叠策略的AutoGluon集成模型在miRNA数据集预测中准确率达99%。深度学习技术框架

Transformer模型在RNA序列分析中的突破基于BERT架构的DNA/RNA预训练模型（如DNABERT）通过3-mer分词策略处理核苷酸序列，在剪切位点预测中注意力权重可直接定位"GU-AG"保守边界，解释性远超传统模型，2025年研究显示其在TFBS预测任务中微调后性能达SOTA水平。

图神经网络（GNNs）构建分子互作网络将RNA、蛋白质等生物分子作为节点，互作关系作为边，GNN通过消息传递机制学习调控强度，2025年NatRevMolCellBiol刊文提出GNN与大语言模型融合框架，可整合测序数据与知识图谱，构建上下文依赖的mRNA相互作用图谱。

物理知识引导的机器学习范式2025年华中师范大学团队提出ZHMolRM框架，结合分子动力学模拟与神经关系推断（NRI），从原子尺度解析RNA复合物动态调控机制，在HIV-1Tat/TAR体系中成功识别关键功能位点并筛选候选抑制剂，RMSD分析显示抑制剂结合后体系稳定性显著提升。

多模态数据融合模型整合RNA序列、二级结构、表观修饰（如m6A）及蛋白质相互作用数据，采用CNN捕捉局部motif特征，Transformer处理长程依赖，2025年研究证实多模态模型在lncRNA亚细胞定位预测中AUC值较单序列模型提升12%-18%。生物数据特点与机器学习适配性

01生物数据的核心特征生物数据具有高维度、高噪声、非线性及动态性等特点，如ncRNA序列包含大量核苷酸排列组合，基因表达数据存在批次效应和零膨胀现象，蛋白质相互作用网络呈现复杂拓扑结构。

02传统分析方法的局限性传统统计检验和序列比对方法难以处理高维度数据的特征关联，如基于k-mer的人工特征提取可能丢失序列上下文依赖，隐马尔可夫模型对未知调控元件识别能力有限。

03机器学习的关键适配优势机器学习可自动提取数据深层模式，如深度学习模型（CNN、Transformer）能捕捉ncRNA序列的保守基序和长距离依赖，图神经网络（GNN）适合建模分子互作网络，自编码器可从高噪声单细胞数据中筛选差异表达ncRNA。

04典型适配案例：DNABERT与piRNA预测2026年《衰老细胞》研究利用因果AI和机器学习分析828种piRNA，构建的6-piRNA指标对2年内生存预测准确率达86%；DNABERT通过Transformer架构自学习基因组语义特征，在剪切位点识别中注意力权重可直接定位保守边界。非编码RNA功能预测的关键问题03序列与结构特征提取挑战

非编码RNA序列保守性低与多样性高非编码RNA，特别是长链非编码RNA（lncRNA），普遍具有低序列保守性和低表达水平的特点，难以直接建立序列与功能之间的联系，增加了特征提取的难度。

RNA结构动态性与复杂性RNA结构比DNA更加动态和复杂，其功能机制受结构可达性、修饰状态以及二级三维结构等多重因素影响，传统方法难以准确捕捉这些动态变化特征。

特征选择方法的有效性差异在非编码RNA特征提取中，不同特征选择方法（如F-检验、互信息法、嵌入法、Wrapper-RFE）效果存在差异，如何筛选出最佳特征子集是一大挑战，例如Wrapper-RFE在部分研究中表现最佳。

长距离依赖关系捕捉难题基因组功能元件可能跨数千碱基（如增强子与启动子的互作），传统CNN/LSTM等模型难以有效捕捉这种长距离依赖关系，影响特征提取的全面性。相互作用网络构建难点

动态互作与环境依赖性非编码RNA与蛋白质、DNA等分子的互作受细胞类型、发育阶段和亚细胞位置等因素影响，具有高度动态性与模块化特征，传统模型难以捕捉上下文特异性互作模式。

多模态数据整合挑战RNA互作涉及序列、结构、修饰（如m6A）及表观遗传等多维度信息，现有模型对多源数据融合能力有限，跨模态特征提取易导致信息丢失或冗余。

功能位点识别精度不足RNA构象变化是调控核心，但现有计算方法难以精确定位关键功能位点，分子动力学模拟虽能解析原子尺度相互作用，却缺乏高效机制解析策略。

数据稀缺与模型泛化性矛盾特定非编码RNA（如lncRNA）的互作数据稀缺，监督学习模型依赖标注数据导致泛化能力受限，小样本场景下易出现过拟合，影响网络预测可靠性。功能注释的多维度需求序列与结构特征的整合需求非编码RNA功能注释需同时考虑序列保守性（如k-mer特征）与二级结构保守性（如RRMmotif），传统单一特征方法难以捕捉复杂功能关联，需机器学习模型融合多维度特征。动态互作网络的解析需求非编码RNA通过与蛋白质、DNA及其他RNA形成动态互作网络发挥功能，如piRNA作为“调控开关”控制生长修复基因，需模型整合时序表达数据与互作组学信息。跨物种与组织特异性需求不同物种及组织中ncRNA功能存在差异，如植物胁迫响应ncRNA与人类疾病相关ncRNA调控机制不同，模型需具备跨数据集泛化能力，如利用迁移学习解决小样本问题。临床转化的精准性需求功能注释需满足临床应用对准确性的高要求，如基于6种piRNA的模型预测老年人两年内生存情况准确率达86%，需结合实验验证（如CRISPR技术）提升注释可靠性。2026年机器学习核心技术进展04大语言模型在RNA序列分析中的突破自监督学习与RNA语义表示RNA语言模型（RNA-LMs）通过自监督学习从海量未标注RNA序列中学习潜在语义特征，生成的嵌入表示可用于预测RNA翻译效率、剪接位点及修饰位点，在RNA–RBP互作预测中表现优异，甚至超过部分基于实验结构的模型。长链非编码RNA序列的上下文依赖建模Transformer架构（如DNABERT）通过自注意力机制捕捉RNA序列的长距离依赖关系，能有效识别lncRNA中跨exon的调控信号及增强子与启动子的远程互作，无需手工设计特征即可实现高精度功能预测。多模态数据融合与功能预测结合RNA序列、二级结构、修饰信息（如m6A、ψ）及表观遗传数据，大语言模型可构建上下文感知的预测框架，例如通过整合染色质状态数据提升转录因子结合位点预测的准确性，为解析RNA动态调控机制提供支持。图神经网络与分子互作预测

GNN在RNA-蛋白质互作网络构建中的应用图神经网络（GNN）通过将RNA和蛋白质分子视为节点，互作关系作为边，构建分子互作网络模型。例如，利用GNN整合ncRNA序列特征、蛋白质结构信息及已知互作数据，可有效预测潜在的RNA-蛋白质结合模式，为解析细胞调控网络提供新视角。

多模态数据融合提升互作预测精度结合RNA序列、二级结构、表观修饰及蛋白质结构域等多模态数据，GNN能够学习更全面的分子特征。如通过GNN融合RNAfold预测的二级结构与蛋白质序列保守性特征，可显著提高ncRNA-蛋白质相互作用预测的AUC值，较传统方法提升15%-20%。

动态互作网络的上下文依赖建模GNN可捕捉细胞类型、发育阶段等上下文因素对RNA互作网络的影响。研究表明，基于GNN的动态模型能揭示不同组织中lncRNA与蛋白质互作模式的差异，例如在肝纤维化进程中，H19lncRNA与EZH2蛋白的结合强度随疾病阶段动态变化，为疾病机制研究提供依据。物理知识引导的机器学习范式物理模型与机器学习的融合策略通过将分子动力学（MD）模拟中的物理量（如位移、速度、相互作用能）融入机器学习框架，弥补传统纯数据驱动模型在有限生物数据下的不足，提升对RNA动态调控机制的解析能力。神经关系推断（NRI）挖掘潜在相互作用利用NRI模型从MD模拟轨迹中学习核苷酸与氨基酸残基间的相互作用网络，通过最小化重构轨迹与模拟轨迹误差，捕捉构象变化中的关键调控因素，如在HIV-1Tat/TAR复合物中成功推断结构域间相互作用。复杂网络驱动的关键功能区域识别结合网络算法RNet对NRI推断的相互作用边进行聚合分析，精确定位RNA功能位点，例如在aaRS/tRNA体系中识别出对翻译调控至关重要的结合区域，为功能验证提供精准靶点。物化约束下的小分子抑制剂筛选整合基于物理知识的评估算法ZHMol-RLinter，在识别关键功能区域后筛选潜在抑制剂，如针对TARRNA的Bulgeloop区域预测结合概率，为RNA靶向药物开发提供高效工具。多模态数据融合技术跨模态数据整合框架通过图神经网络（GNNs）整合非编码RNA序列数据、结构数据（如二级结构、修饰信息）与蛋白质相互作用网络，构建多模态关联模型，提升功能预测的全面性和准确性。多源数据特征融合方法采用自编码器、对比学习等技术，将测序数据（如RNA-seq）、表观遗传数据（如甲基化）及临床数据进行特征级融合，捕捉非编码RNA在不同层面的功能关联，例如结合lncRNA表达谱与DNA甲基化数据预测疾病风险。动态互作网络建模结合时间序列数据与多模态信息，利用深度学习模型（如Transformer）构建非编码RNA与蛋白质、DNA的动态互作图谱，揭示其在细胞周期、疾病进展等过程中的上下文依赖性功能机制。非编码RNA相互作用预测应用05RNA-蛋白质相互作用预测模型

基于深度学习的序列特征提取与建模利用CNN捕捉RNA和蛋白质序列中的局部保守基序（如RRMmotif），结合LSTM/Transformer建模长距离依赖关系，自动提取序列特征用于相互作用预测，无需人工特征设计。

多模态数据融合与图神经网络应用整合RNA二级结构、蛋白质结构域、表观修饰等多模态数据，通过图神经网络（GNN）构建分子互作网络，如将RNA-蛋白质结合位点作为节点，邻接关系作为边，提升预测精度。

预训练模型与迁移学习策略基于大规模未标注序列数据预训练RNA/蛋白质语言模型（如RNA-LMs、DNABERT），通过微调适配特定RNA-蛋白质相互作用预测任务，解决小样本数据问题，提升模型泛化能力。

模型评估与性能优化采用ROC曲线、AUC值、精确率-召回率曲线等指标评估模型性能，结合注意力机制可视化关键结合位点，通过多任务学习（如同时预测结合位点与结合强度）优化模型鲁棒性。RNA-RNA调控网络构建01基于图神经网络的调控关系建模通过图神经网络（GNNs）将RNA分子视为节点，相互作用关系作为边，整合序列特征与表达数据，构建动态调控网络，揭示非编码RNA间的协同或拮抗作用。02长链非编码RNA与microRNA海绵机制预测利用深度学习模型识别长链非编码RNA（lncRNA）中的microRNA（miRNA）结合位点，预测ceRNA（竞争性内源RNA）网络，如lncRNA作为miRNA海绵调控靶基因表达。03环状RNA与线性RNA互作网络解析结合circRNA的环状结构特征与序列保守性，运用机器学习算法预测circRNA与线性RNA（如mRNA、lncRNA）的相互作用模式，阐明其在基因表达调控中的作用。04动态调控网络的时空特异性分析整合单细胞测序数据与时间序列表达谱，利用动态图模型捕捉不同细胞类型、发育阶段或疾病状态下RNA-RNA调控网络的变化，揭示调控机制的上下文依赖性。案例：RRMmotif与DNA损伤修复机制

RRMmotif的生物学标志作用RRMmotifs是一类在RNA结合蛋白中常见的结构域，在DNA损伤修复过程中被认为是相关蛋白质共同的生物学标志之一，参与调控蛋白质与RNA或DNA的相互作用。

深度学习在RRMmotif机制研究中的应用研究采用深度学习方法，对RRMmotif相关的蛋白质序列数据及DNA损伤修复实验数据进行预处理和特征提取，构建模型分析其作用机制及与其他蛋白质的相互作用模式。

RRMmotif在DNA损伤修复中的调控功能通过深度学习模型训练发现，RRMmotif能够与特定DNA损伤修复蛋白结合形成复合物，促进DNA损伤修复过程，且其不同类型和位置对修复效率和效果有重要影响。

RRMmotif与非编码RNA的相互作用关联研究揭示RRMmotif与非编码RNA相互作用密切相关，非编码RNA中特定RRMmotif序列可与蛋白质和DNA结合，影响非编码RNA的稳定性、剪切等生物学过程，进而在DNA损伤修复中发挥作用。非编码RNA功能注释前沿方法06基于序列相似性的功能预测

传统序列比对工具的应用基于序列相似性的预测方法通过比较非编码RNA序列与已知功能序列的相似性来推断其功能，常用工具包括BLAST、Bowtie和BWA等。BLAST作为经典的序列比对工具，可用于非编码RNA序列的比对和初步功能预测；Bowtie和BWA则以高效性著称，适用于大规模非编码RNA序列的快速比对分析。

k-mer特征与传统机器学习结合在序列相似性分析中，k-mer特征（将序列拆分为k长度核苷酸片段）被广泛应用。传统机器学习方法如支持向量机（SVM）基于k-mer特征捕捉序列局部模式，实现对非编码RNA功能的预测。例如，在非编码RNA与编码RNA的区分任务中，结合k-mer特征的SVM模型展现了良好的分类效果。

Transformer模型在序列语义学习中的突破2025年相关研究表明，基于Transformer架构的DNA/RNA语言模型（如DNABERT）通过自监督学习从海量未标注序列中学习潜在语义特征。该模型将RNA序列按3-mer拆分并映射为词向量，通过掩码语言模型学习序列上下文依赖，在无需手工设计特征的情况下，对非编码RNA的功能元件（如剪切位点、结合位点）预测性能超越传统方法。结构保守性分析与功能推断

非编码RNA二级结构保守性的生物学意义功能相近的非编码RNA在二级结构层面具有一定程度的保守性，这为通过结构相似性推断未知RNA功能提供了重要依据。长非编码RNA(lncRNA)虽普遍具有低序列保守性和低表达水平的特点，但其二级结构的保守性为功能预测带来突破。

主流RNA二级结构预测方法比较RNA二级结构预测方法主要包括比较序列分析法（如Pfold）、动态规划算法（如RNAfold、Mfold）和基于机器学习的分类预测方法等。在预测一组同源序列时，基于比较分析法的Pfold和质心法CentroidFold效果明显优于基于最小自由能的方法；预测单个序列时，不同原理方法结果差异不显著。

结构保守性分析在功能推断中的应用案例通过lncRScan-Fold-Assess评估系统，可同时对RNAfold、MARNA、Mfold等七种主流预测方法的性能进行评估，帮助选择最优方法输出结果，提高lncRNA二级结构预测效率，进而基于结构保守性推断其潜在功能，如参与基因表达调控、染色质重塑等。单细胞水平的功能注释技术

01单细胞测序数据的高维度特征提取利用深度学习模型如自编码器（Autoencoder）和变分自编码器（VAE），从单细胞RNA-seq数据中提取低维特征，捕捉细胞异质性，为ncRNA功能注释提供基础。

02单细胞ncRNA表达的细胞类型特异性分析通过图神经网络（GNN）整合单细胞表达数据与细胞类型信息，识别不同细胞类型中特异性表达的ncRNA，揭示其在细胞分化和功能特化中的作用。

03单细胞分辨率下的ncRNA调控网络构建结合单细胞ATAC-seq和RNA-seq数据，利用多模态深度学习模型构建单细胞水平的ncRNA-基因调控网络，解析ncRNA在特定细胞状态下的调控机制。

04基于单细胞数据的ncRNA功能预测模型评估采用交叉验证和单细胞谱系追踪技术，评估机器学习模型在单细胞水平预测ncRNA功能的准确性，如利用SCANPY等工具进行模型验证，确保结果的可靠性。疾病标志物发现与临床应用07piRNA作为衰老与寿命预测标志物

piRNA与健康衰老的关联性2026年2月《衰老细胞》研究表明，血液中9种piRNA与健康衰老相关，这类分子如同细胞内的“调控开关”，控制着参与生长、修复与免疫防御的关键基因，在更长寿的人群中维持较低水平。

piRNA组合指标的预测性能由6种piRNA组成的指标对未来两年内生存情况的预测准确率达86%，超过年龄、血脂等180个传统指标，展现出作为全新健康风险标志物的潜力。

piRNA预测的技术方法与数据基础杜克大学研究团队收集约1200名71岁以上受试者血样，利用因果AI和机器学习方法，对828种小型非编码RNA和187项健康指标分析，并与国家死亡登记数据库比对确定生存情况。

piRNA研究的未来拓展方向课题组计划将监测范围扩展至30—100岁人群，以探究piRNA在整个人生阶段的变化规律，为早期预警和个体化干预提供更全面的科学依据。肝纤维化中的ncRNA预测模型

多模态数据整合的预测框架通过整合ncRNA表达谱、临床指标及影像数据，构建AI模型实现肝纤维化分期预测，较传统血清标志物准确率提升20%以上。

基于深度学习的非侵入性诊断模型利用循环miRNA（如miR-199a-5p、miR-214-3p）构建的深度学习模型，对肝纤维化的诊断AUC值达0.92，敏感性优于弹性成像技术。

外泌体ncRNA标志物的机器学习筛选采用随机森林算法从外泌体中筛选出3种lncRNA（H19、MALAT1、GAS5）组合，实现肝纤维化早筛准确率86%，假阳性率低于传统指标。

circRNA-ceRNA网络的调控预测模型基于图神经网络（GNN）构建circRNA-miRNA-mRNA调控网络，成功预测circRNA_001373通过海绵吸附miR-142a-5p促进肝纤维化进展。糖尿病并发症的lncRNA识别糖尿病并发症相关lncRNA的筛选策略基于高通量测序数据，通过差异表达分析筛选糖尿病并发症患者与健康对照间的差异lncRNA，结合功能富集分析锁定参与代谢调控、炎症反应等通路的候选分子。机器学习模型在lncRNA识别中的应用采用随机森林、支持向量机等算法，整合lncRNA序列特征、表达谱数据及临床指标构建预测模型，如基于血液样本lncRNA表达谱实现糖尿病肾病风险预测，AUC值可达0.85以上。lncRNA作为糖尿病并发症生物标志物的验证通过qPCR、Westernblot等实验验证候选lncRNA的表达水平，结合ROC曲线分析评估其诊断效能，例如H19、MALAT1等lncRNA在糖尿病视网膜病变患者血清中表达显著异常，特异性达80%。技术挑战与解决方案08数据稀疏性与小样本学习策略

非编码RNA数据稀疏性的核心挑战非编码RNA功能预测中，已知功能的ncRNA样本量有限，尤其是lncRNA等新兴类别，导致模型训练数据不足；同时，ncRNA与蛋白质、DNA等分子的相互作用实验数据稀缺，制约预测模型性能。

迁移学习在跨物种数据利用中的应用利用在人类等模式生物上训练的模型参数，迁移到数据稀缺的物种（如特定植物或微生物）的ncRNA功能预测任务中，通过共享序列保守性特征减少对目标物种标注数据的依赖。

半监督学习与自监督预训练技术基于海量未标注RNA序列数据（如RNAcentral数据库），通过自监督学习（如RNA语言模型RNA-LMs）预训练提取通用序列语义特征，再结合少量标注数据微调模型，提升小样本场景下的预测精度。

物理知识引导的机器学习范式创新融合分子动力学模拟的物理约束（如核苷酸相互作用、结构稳定性）与机器学习模型（如神经关系推断NRI），从有限数据中挖掘RNA动态调控机制，减少对大规模标注数据的需求，如ZHMolRM框架在RNA复合物功能位点识别中的应用。模型可解释性提升方法

注意力机制可视化关键序列基序通过Transformer等模型的注意力权重，可直接定位非编码RNA序列中的保守功能区域，如剪切位点的GU-AG边界，增强模型决策的可解释性。

物理知识引导的机制解析框架结合分子动力学模拟与神经关系推断（NRI），从动态过程中挖掘RNA复合物的潜在结构域相互作用，如识别TARRNA的Bulgeloop功能结合位点。

多模态特征融合与贡献度分析整合序列、结构及表观修饰数据，利用SHAP值或LIME算法量化各特征对预测结果的贡献，如解释特定RRMmotif在DNA损伤修复中的调控权重。

标准化评估基准与可视化工具建立统一的模型解释性评估标准，开发专用可视化工具展示特征重要性排序及互作网络，如lncRScan-Fold-Assess系统对结构预测结果的精度比较。跨物种预测的泛化能力优化迁移学习在跨物种ncRNA功能预测中的应用通过从人类等数据丰富物种预训练模型，再迁移至数据稀缺物种（如模式生物），可有效提升模型在低资源物种上的预测性能，减少对特定物种标注数据的依赖。多模态数据融合增强跨物种特征提取整合序列保守性、结构相似性及表观遗传修饰等多模态数据，构建跨物种