DeepCMI:一个基于图形的模型,用于准确预测circRNA-miRNA相互作用,具有多个信息
Yue-Chao Li1, Zhu-Hong You2, Chang-Qing Yu1
1School of Information Engineering, Xijing University, Xi'an, China.
Briefings in functional genomics
|August 4, 2023
概括
一个新的计算模型,DeepCMI,准确地预测了循环RNA-microRNA相互作用 (CMIs). 这种工具有助于研究人员减少需要昂贵的实验室实验来理解基因调节.
科学领域:
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 竞争的内源RNAs,包括循环RNAs (circRNAs),通过microRNA (miRNA) 相互作用来调节基因表达.
- 识别circRNA-miRNA相互作用 (CMIs) 对于理解生殖和亡等生物过程至关重要.
- 目前用于CMI发现的实验方法资源密集,需要计算方法.
研究的目的:
- 开发一个有效的计算模型来预测潜在的circRNA-miRNA相互作用 (CMIs).
- 利用多个来源的信息来提高CMI预测的准确性.
- 为研究人员提供一个用户友好的平台和可访问的资源.
主要方法:
- 提出了一个名为DeepCMI.MI的新计算模型.
- 利用多源circRNA和miRNA数据进行模型训练.
- 在已建立的CMI数据集 (CMI-9905和CMI-9589) 上评估了DeepCMI的性能.
主要成果:
- 深度CMI表现出高的预测性能,在CMI-9905上达到90.54%的AUC值,在CMI-9589.5上达到94.8%.
- 该模型成功推断出潜在的CMI,验证了其预测能力.
- 开发的计算平台和源代码是公开的.
结论:
- DeepCMI是预测潜在circRNA-miRNA相互作用的有效工具.
- 该模型可以显著减少对昂贵且耗时的体外验证的依赖.
- DeepCMI促进了CMI研究,并加速了基因调节方面的发现.
