相关实验视频
Updated: Jul 6, 2025
06:16
mirMachine: A One-Stop Shop for Plant miRNA Annotation
Published on: May 1, 2021
2.6K
对深度学习进行调查,以检测miRNA-疾病关联:数据库,计算方法,挑战和未来方向
概括
本综述总结了用于预测微RNA疾病关联 (MDA) 的深度学习方法,有助于疾病研究. 它涵盖数据库,相似度指标,48个深度学习模型和评估策略,提供未来的研究方向.
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.
- 计算生物学 计算生物学
背景情况:
- 微RNAs (miRNAs) 是关键的非编码RNAs,参与疾病的发病.
- 识别miRNA-疾病关联 (MDA) 对于理解疾病机制至关重要.
- 用于MDA识别的实验方法是昂贵和耗时的.
研究的目的:
- 审查用于预测miRNA-疾病关联 (MDAs) 的计算模型.
- 专注于深度学习技术在MDA预测中的应用.
- 提供现有的基于深度学习的MDA预测方法的全面概述.
主要方法:
- 总结公开可用的miRNA和疾病数据库.
- 概述了miRNA和疾病相似性计算和整合方法.
- 审查了48种基于深度学习的MDA预测方法,分为经典深度学习和图形神经网络技术.
- 研究了用于MDA预测性能的常见评估方法和指标.
主要成果:
- 识别和分类了48种基于深度学习的方法来预测MDA.
- 详细的数据整合和相似性计算的共同方法.
- 用于评估预测准确性的总结评估指标.
- 讨论了业绩趋势和发现的研究差距.
结论:
- 深度学习为有效和大规模预测miRNA疾病关联提供了一种强大的方法.
- 该综述为该领域的研究人员提供了全面的资源.
- 确定了未来的研究方向,以提高MDA预测的准确性和实用性.
