相关实验视频
Updated: Jul 2, 2025
08:25
Identification of Circular RNAs using RNA Sequencing
Published on: November 14, 2019
12.2K
循环RNA识别和特征解释性分析
Mengting Niu1,2,3, Chunyu Wang4, Yaojia Chen5,6
1School of Electronic and Communication Engineering, Shenzhen Polytechnic University, Shenzhen, 518055, China.
BMC biology
|February 26, 2024
概括
一个新的计算框架,CircDC,准确地预测循环RNAs (circRNAs),并有助于理解它们与疾病相关的功能. 这一进步改善了现有的circRNA识别模型.
科学领域:
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 循环RNAs (circRNAs) 在微RNA调节和疾病 (包括癌症) 中发挥作用.
- 准确识别circRNAs对于功能研究至关重要,但目前的预测模型缺乏足够的准确性.
- 需要改进用于circRNA预测和分析的计算框架.
研究的目的:
- 开发一种新且准确的计算框架,用于从其他长非编码RNA (lncRNA) 中分类循环RNA (circRNA).
- 增强对circRNA功能及其在生物过程和疾病中的参与的理解.
主要方法:
- 开发了CircDC,这是一个使用四个特征编码方案的新框架.
- 采用多层卷积神经网络和双向长期短期记忆网络,用于高阶特征表示和预测.
- 对影响模型性能的特征进行可解释的分析.
主要成果:
- 与现有模型相比,CircDC在circRNA预测方面表现出卓越的准确性.
- 该框架成功识别了circRNAs,并提供了对特征重要性的见解.
- 应用了扩展circRNA识别的计算框架.
结论:
- CircDC是circRNA预测的有效工具,有助于更深入地了解相关的生物功能.
- 特性重要性分析提高了模型的解释性,并揭示了重要的生物特性.
- 开发的代码和数据是公开可用的,用于研究.
