m5UMCB:使用BiLSTM的多尺度卷积神经网络预测RNA5-甲基尤里丁位点
Yingshan Ji1, Jianqiang Sun2, Jingxuan Xie1
1School of Computer Science and Software Engineering, University of Science and Technology Liaoning, Anshan, 114051, China.
Computers in biology and medicine
|December 4, 2023
概括
一种新的计算方法,m5UMCB,有效地预测RNA中的5-methyluridine (m5U) 位点. 这种方法使用深度学习来改进昂贵的实验技术,以识别这种关键的RNA修饰.
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:
- 5-甲基尤里丁 (m5U) 是一种普遍存在的RNA修饰,对生物过程和疾病至关重要.
- 目前的高通量识别方法是劳动密集型,耗时且昂贵的.
- 需要有效且具有成本效益的计算工具来进行m5U网站预测.
研究的目的:
- 开发一种新的计算方法,m5UMCB,用于准确识别m5U网站.
- 为了利用深度学习,特别是多尺度卷积神经网络 (CNN) 和双向长短期记忆 (BiLSTM),进行RNA序列分析.
- 为实验方法提供一个具有成本效益的替代方案,用于m5U识别.
主要方法:
- RNA序列被细分成3mer片段.
- 单词表示的全球向量 (GloVe) 将碎片映射到低维向量.
- 多尺度CNN提取了当地的特征,转化为高级别的表示.
- 双向长期短期记忆 (BiLSTM) 捕获了上下文和长期的依赖关系.
- 一个完全连接的层执行了最终的m5U网站分类.
主要成果:
- 与现有最先进的方法相比,m5UMCB表现出优越的性能.
- 在ROC曲线下的面积 (AUC) 中实现了1.98%的增长.
- 在5倍交叉验证测试中显示了各种相关评估指标的显著改善.
结论:
- m5UMCB是一个高效和准确的计算工具,用于预测m5U网站.
- 该方法为实验方法提供了一个更有效和更具成本效益的替代方案.
- m5UMCB将成为RNA修饰研究和诊断领域的宝贵资产.
