EMDL-ac4C:基于整体双分支残余连接的DenseNet和注意力识别N4-乙基
Jianhua Jia1, Zhangying Wei1, Xiaojing Cao1
1School of Information Engineering, Jingdezhen Ceramic University, Jingdezhen, China.
Frontiers in genetics
|July 31, 2023
概括
一个新的深度学习工具,EMDL-ac4C,准确地预测N4-乙基丁 (ac4C) 位点. 这种方法改进了现有的预测指标,为了解ac4C提供了宝贵的资源.
科学领域:
- 计算生物学是一种计算生物学.
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
背景情况:
- N4-乙基丁 (ac4C) 是一种关键的RNA修饰,参与蛋白质翻译.
- 调节失调的ac4C与各种人类疾病有关.
- 实验性识别ac4C站点是劳动密集型和昂贵的.
研究的目的:
- 开发一个高效的计算工具来预测ac4c网站.
- 提高现有的ac4C预测模型的准确性和性能.
- 为未来关于ac4C的研究提供有价值的参考资料.
主要方法:
- 开发了EMDL-ac4C,这是一个深度学习工具,使用了低样本集体学习.
- 使用修改后的DenseNet和Squeeze-and-Excitation网络作为基础学习者.
- 包含一个并行卷积的残余结构,用于增强特征提取.
主要成果:
- 在独立的测试组中,EMDL-ac4C的平均准确度为80.84%.
- 该模型显示马修斯相关系数 (MCC) 为61.77%.
- 实现了ac4C站点预测曲线下的面积 (AUC) 的87.94%.
结论:
- 对于ac4C站点,EMDL-ac4C显著优于现有的预测指标.
- 该工具为实验方法提供了具有成本效益和准确性的替代方案.
- 开发的模型为研究ac4C修饰和相关疾病提供了宝贵的资源.
