2019年10月8号，北京大学基础医学院周源团队和河北工业大学李建伟团队合作在Genome Biology 上在线发表了题为Benchmark of computational methods for predicting microRNA-disease associations的文章。该研究测试结果不仅为生物医学研究人员选择合适的miRNA-疾病关联预测因子提供了参考，还为开发更强大的miRNA-疾病关联预测因子提供了未来的方向。

MicroRNA（miRNA）是22nt左右的RNA，主要通过靶向mRNA的3'UTR区来调节基因表达。这些小的非编码RNA广泛参与重要的生物学过程，例如细胞分裂，分化，凋亡，细胞周期调节，炎症和应激反应。因此，miRNA的失调，包括表达失调，功能获得或丧失的突变以及表观遗传沉默，通常在许多疾病的发作和发展中起重要作用。

本研究基于来自最新HMDDv3.1数据库的8000多种新颖的miRNA疾病关联，对36种容易获得的预测方法进行了系统比较。通过严格的精确召回曲线分析对它们的整体性能进行了评估，其中有13种方法显示出可接受的准确性（AUPRC> 0.200），而前两种方法的AUPRC则有希望达到0.300以上。通过组合不同的预测变量或采用更新的miRNA相似度矩阵证明了性能提高的潜力，与最佳的单个预测变量和使用先前相似性矩阵的预测变量相比，分别可提高AUPRC的16％和46％。

该基准测试结果不仅为生物医学研究人员选择合适的miRNA-疾病关联预测因子提供了参考，还为开发更强大的miRNA-疾病关联预测因子提供了未来的方向。