Deepm6A-MT:一种基于深度学习的方法,用于在多种组织中识别RNA N6-甲基亚诺辛位点
Guohua Huang1, Xiaohong Huang2, Jinyun Jiang2
1School of Information Technology and Administration, Hunan University of Finance and Economics, Changsha, Hunan 410205, China.
Methods (San Diego, Calif.)
|March 14, 2024
概括
我们开发了Deepm6A-MT,这是一种使用Bi-GRU和CNN的改进方法,可以准确预测真核细胞信使RNA (mRNA) 中的N6-甲基氨酸 (m6A) 修饰位. 该工具实现了最先进的性能,并可在线供研究人员使用.
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-甲基氨酸 (m6A) 是真核细胞信使RNA (mRNA) 中的一个关键和丰富的内部修饰.
- 现有的m6A检测方法需要提高预测准确性和效率.
研究的目的:
- 提出一种增强的计算方法,用于预测m6A修饰站点.
- 为了提高m6A地点预测的准确性和效率.
主要方法:
- 开发了Deepm6A-MT,集成双向封闭循环单元 (Bi-GRU) 和卷积神经网络 (CNN).
- 采用双输入通道:一个采用嵌入层,Bi-GRU和CNN;另一个采用各种编码方案 (一热,二核酸,化学特性).
- 通过5倍交叉验证,独立测试和跨物种/跨组织分析验证性能.
主要成果:
- 在预测m6A修饰位点方面,Deepm6A-MT实现了最先进的性能.
- 在不同的物种和组织类型中证明了有效性和效率.
- 该方法的性能超过了现有的m6A预测工具.
结论:
- Deepm6A-MT提供了一个非常准确和高效的方法来预测m6A地点.
- 该工具可以通过Web服务器 (http://www.biolscience.cn/Deepm6A-MT/) 访问,以促进学术研究.
- 这一进展有助于理解m6A修饰在细胞过程中的功能作用.
