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的疾病背後的機制。因此，如何識別RNA上的RBP結合位點對於後續分析至關重要。今天，小編就給大家介紹一種基於深度學習的RNA-蛋白質結合位點預測的網站：RBPsuite，這是一個易於使用的網絡伺服器，用於預測線性和環形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，並對片段與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。對於線性RNA，RBPsuite使用iDeepS來預測它們與RBP的結合分數；對於環狀RNA（circRNA），RBPsuite使用CRIP預測它們與RBP的結合分數。
話不多說，上連結：http://www.csbio.sjtu.edu.cn/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，則作業完成後將向該電子郵件發送通知。
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於哪種RNA類型，則可以首先使用WebCircRNA(https://rth.dk/resources/webcircrna/submit)評估circRNA的潛力，然後選擇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，常規模型為例，對該資料庫的簡要使用進行說明。
提交後，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的不重疊的區段，並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。