EMDL_m6Am:基于堆叠集团深度学习的N6,2'-O-dimethyladenosine网站的识别

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:

• N6,2 -O-dimethyladenosine (m⁶Am) 是脊椎动物mRNA的转录启动区域中普遍存在的RNA修饰.
• m⁶Am修饰与人类疾病如肥胖和胃癌有关.
• 准确识别m⁶Am位点对于理解其在RNA中的调节作用至关重要.

研究的目的:

• 开发一种新的深度学习模型,用于预测RNA序列中的m6Am位点.
• 为了提高 m⁶Am 站点识别的准确性和效率.
• 为未来关于m6的生物学功能和疾病关联的研究提供一个有价值的工具.

主要方法:

• 开发了EMDL_m6Am,这是一种深度学习模型,用于RNA序列特征表示的一次热编码.
• 集成多个卷积神经网络 (CNN) 模型,包括DenseNet,DCNN和MSRN,通过堆叠.
• 在培训和独立测试数据集上使用灵敏度,特异性,精度,MCC和AUC评估模型性能.

主要成果:

• 在培训数据集上,EMDL_m6Am模型实现了高性能:灵敏度为86.62%,特异性为88.94%,准确度为87.78%,MCC为0.7590和AUC为0.8778.
• 在独立测试组中,该模型表现出强大的预测能力,灵敏度为82.25%,特异性为79.72%,准确度为80.98%,MCC为0.6199和AUC为0.8211.
• 与现有的方法相比,深度学习方法显著改善了m⁶Am网站的预测.

结论:

• EMDL_m6Am显著提高了m6Am站点的预测性能.
• 该模型作为未来研究研究m⁶Am.Am.的有价值的参考.
• 源代码和数据是公开可用的,以促进进一步的研究和开发.