不对称的三分组分区克服了构建机器学习模型的数据集限制,用于预测siRNA有效性

科学领域:

• 生物技术是生物技术.
• 生物信息学是一种生物信息学.
• 分子生物学分子生物学

背景情况:

• 化学修饰的小干扰RNAs (siRNAs) 是用于序列特定基因沉默的先进疗法.
• 预测用于治疗应用的修改siRNA序列的疗效是一个重大挑战.
• 机器学习 (ML) 提供了预测能力,但通常需要大量的数据集,这些数据集通常无法用于siRNA研究.

研究的目的:

• 开发和验证一种机器学习框架,用于使用小数据集预测siRNA疗效.
• 解决ML应用中小型和杂的生物数据集的局限性.
• 通过增强的预测算法,改进基于寡核酸的疗法的设计.

主要方法:

• 应用机器学习框架对356个修改siRNA序列的数据集进行有效性预测.
• 利用三分体式,两值分区方法来管理数据集噪声和生物变异性.
• 对于不平衡的阶级,采用了新的评估指标,并在随机森林模型上测试了各种值组合.

主要成果:

• 确定了最佳分类值,显著提高了随机森林模型的预测能力.
• 开发的ML模型的性能优于在相同数据上训练的线性模型.
• 特性提取揭示了与已知的siRNA机制一致的目标站点基础偏好,随机森林模型提供更高分辨率.

结论:

• 拟议的框架有效地利用机器学习对小型生物数据集进行siRNA疗效预测.
• 这种方法增强了对寡核酸治疗的预测算法的开发.
• 经过验证的框架对具有有限数据的其他分类挑战具有更广泛的适用性.