对于 lncRNA 中介机制的深度学习方法:对最近发展的全面审查
1School of Computer Science and Information Engineering, The Catholic University of Korea, Bucheon 14662, Republic of Korea.
International journal of molecular sciences
|June 28, 2023
概括
深度学习 (DL) 正在彻底改变长非编码RNA (lncRNA) 研究. 本综述强调了最近的DL应用,以了解lncRNA功能和生物作用,帮助研究人员在这个动态领域.
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:
- 长非编码RNAs (lncRNAs) 越来越多地被认为是它们在各种生物过程中的关键作用.
- 深度学习 (DL) 的进步为生物数据分析提供了强大的新工具.
研究的目的:
- 提供深度学习和长非编码RNA研究之间的融合的全面审查.
- 突出DL方法论在阐明lncRNA功能的重要性.
- 提供关于2021-2023年 lncRNA研究中最新的DL应用的见解.
主要方法:
- 最近研究 (2021-2023) 的系统文献综述.
- 对长期非编码RNA研究应用的深度学习技术的分析.
- 综合了关于DL在理解lncRNA生物学中的作用的发现.
主要成果:
- 深度学习模型越来越多地用于分析lncRNA序列,结构和功能.
- DL应用程序正在增强对lncRNA-蛋白相互作用和监管网络的预测.
- 最近的研究表明DL在识别新型lncRNA及其疾病关联方面的能力.
结论:
- 深度学习与lncRNA研究的整合是一个快速发展和非常有前途的领域.
- DL方法提供了强大的方法来解开 lncRNAs 在生物系统中的复杂作用.
- 研究人员可以利用这些DL进步来加深他们对lncRNA生物学及其影响的理解.
