LSTM4piRNA:在大型基因组数据库中使用基于深度学习的LSTM网络有效检测piRNA
Chun-Chi Chen1, Yi-Ming Chan2, Hyundoo Jeong3
1Department of Electrical Engineering, National Chiayi University, Chiayi 600, Taiwan.
International journal of molecular sciences
|November 14, 2023
概括
我们开发了LSTM4piRNA,这是一种深度学习工具,可以在大型基因组数据集中有效识别piRNA (Piwi交互RNA). 这种方法准确地检测出这些关键的基因调节分子,性能优于现有的方法.
科学领域:
- 基因组学就是基因组学.
- 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:
- 皮维相互作用RNAs (piRNAs) 是小型非编码RNAs,对基因调节至关重要.
- piRNAs涉及病毒防御和人类癌症,引发了人们对其识别的兴趣.
- 目前的piRNA检测方法在序列多样性和大数据集方面扎.
研究的目的:
- 开发一种有效的计算方法,用于在大型基因组数据库中识别piRNA.
- 克服依赖于手动功能的现有piRNA检测算法的局限性.
主要方法:
- 提出了LSTM4piRNA,这是一种使用紧的长短期记忆 (LSTM) 网络的深度学习方法.
- 该方法自动学习序列依赖性,并结合规范化以最大限度地减少概括错误.
- 使用来自piRBase数据库的piRNA来评估性能.
主要成果:
- LSTM4piRNA在从广泛的数据集中预测piRNA方面表现出高效率.
- 深度学习模型有效地捕获了复杂的RNA序列依赖性.
- 性能评估证实LSTM4piRNA的性能优于当前先进的piRNA检测方法.
结论:
- 在大规模的基因组分析中,LSTM4piRNA为piRNA识别提供了强大而高效的解决方案.
- 该方法自动学习特征的能力使其优于手动方法.
- 由于其精度和可扩展性,LSTM4piRNA非常适合临床应用.


