在植物科学领域，长非编码 RNA（lncRNA）对植物生长发育和环境适应意义重大，但因其在不同物种间序列保守性差，给鉴定带来挑战。早期工具如 CPC 和 CPAT 在跨物种鉴定时准确率大幅下降，现有研究对特征工程优化也不足。
山东理工大学联合多国科研机构组成跨学科团队，整合多源异构植物转录组数据，从 24,152 条 lncRNA 和等量 mRNA 序列构建训练集，并经预处理形成纯净数据集。同时构建综合测试集和高置信度实验验证集，用于严格检验模型跨物种泛化能力。
团队聚焦模型选择、超参数优化与特征工程，将 219 个新型序列描述符纳入特征空间，通过递归特征消除算法筛选出 3 个核心参数。算法选择时，CatBoost 在多项指标优于 XGBoost 和 LightGBM，超参数优化耗时短、效率高。特征选择采用随机森林重要性策略，确定仅 3 个特征时模型性能最佳。
最终构建的 PlantLncBoost 模型整合 CatBoost 算法和三大核心特征优势，在十折交叉验证中多项指标超越主流工具。多层次实验验证显示，该模型在跨物种预测和高可信度验证中稳定性与准确性卓越，突破传统模型性能瓶颈。
在植物 lncRNA 研究领域，高校科研与企业创新协同发展。北京大学团队阐明非编码 RNA 同源基因转录抑制机理；法国团队发现 lncRNA 调控拟南芥春化反应新靶点；剑桥大学团队建立植物单细胞 lncRNA 数据库。企业方面，孟山都、先正达、贝纳基因等将前沿技术应用于农业，推动作物改良等发展。未来，随着研究深入和技术进步，有望进一步揭示植物 lncRNA 作用并实现成果转化，助力农业可持续发展。
上述内容梳理了 PlantLncBoost 模型的研究全貌与行业发展态势。若你想对内容进行增删、调整表述风格，欢迎随时告诉我。