相关实验视频
Updated: Jul 28, 2025

Identification of Circular RNAs using RNA Sequencing
Published on: November 14, 2019
CircSSNN:通过序列自我注意神经网络预测circRNA结合部位,并进行预规范化
Chao Cao1, Shuhong Yang2, Mengli Li3
1School of Computer Science and Technology, Guangxi University of Science and Technology, Liuzhou, China.
这项研究介绍了CircSSNN,这是一种新的自我注意模型,用于识别循环RNA (circRNA) 和RNA结合蛋白 (RBPs) 之间的相互作用. CircSSNN为疾病研究提供了更好的稳定性,并行性和长期依赖性捕获.
科学领域:
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 循环RNAs (circRNAs) 作为转录模板,使它们与RNA结合蛋白 (RBPs) 的相互作用对疾病机制至关重要.
- 目前的circRNA-RBP识别模型,通常基于CNN或RNN,难以实现并行性,稳定性和捕捉RNA序列中的远程依赖性.
研究的目的:
- 为准确的circRNA-RBP识别开发一个先进的计算模型.
- 克服现有方法在分析RNA序列深度语义特征方面的局限性.
主要方法:
- 一种新的方法利用自我注意力机制从RNA序列中提取深层次语义特征.
- 构建CircSSNN模型,将circRNA序列表示与统计分布,静态局部上下文和动态全球上下文集成.
- 一个稳定高效的网络架构,旨在通过减少序列位置距离来捕捉长期依赖.
主要成果:
- 与现有模型相比,对37个circRNA数据集的实验表明CircSSNN的稳定性,并行性和预测性能优越.
- CircSSNN模型显示了有效的可转移到 lncRNA 数据集,而无需对特定任务进行微调,突出显示了其适应性.
- 该模型取得了良好的结果,表明其强度和效率.
结论:
- CircSSNN是一个强大而可扩展的工具,用于高性能circRNA-RBP识别.
- 模型在没有任务导向微调的情况下执行的能力简化了生物信息学分析,并降低了超参数调整的门.
- CircSSNN为推进circRNA-RBP相互作用和相关疾病研究的研究提供了一个有前途的解决方案.
更多相关视频
11:34Exploring Sequence Space to Identify Binding Sites for Regulatory RNA-Binding Proteins
Published on: August 9, 2019
07:35Author Spotlight: A Computational Pipeline for Analyzing Chimeric Noncoding RNA-Target RNA Interactions in High-Throughput Sequencing Data
Published on: December 1, 2023
相关概念视频
Predicting Products: SN1 vs. SN2
With increased substitution on the alkyl halide,...
Conserved Binding Sites
Binding sites are often located in large pockets, and if their location on a protein’s surface is unknown, it can be predicted using various approaches. The energetic method computationally...
Cis-regulatory Sequences
RNA-seq
Before the discovery of RNA-seq, microarray-based methods and Sanger sequencing were used for transcriptome analysis. However, while...
Single-Strand DNA Binding Proteins
Cooperative Binding of Transcription Regulators