转C-ac4C:使用深度学习识别mRNA中的N4-乙基丁 (ac4C) 位点

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:

• N4-乙基丁 (ac4C) 是一种关键的mRNA修饰,影响翻译,稳定性和调节.
• 现有的方法,如CNN和变形金刚捕获不同的序列特征,但整合两者是关键.

研究的目的:

• 开发一种新的计算方法,TransC-ac4C,用于准确识别mRNA中的ac4C位点.
• 通过结合卷积神经网络 (CNN) 和变压器模型来增强特征提取.

主要方法:

• 采用了五种特征编码策略 (一热,NCP,ND,EIIP,K-mer) 进行mRNA序列表示.
• 开发了一种新的功能融合方法,将CNN集成为本地功能和变压器集成为全球依赖.
• 使用5倍交叉验证进行模型评估.

主要成果:

• 与现有方法相比,TransC-ac4C实现了显著改善的评估指标.
• 在两个独立的数据集上实现了81.42%和80.69%的高预测准确度.
• 证明了卓越的竞争力和通用化性能.

结论:

• 拟议的TransC-ac4C方法有效地整合了本地和全球序列特征,以改进ac4C站点识别.
• 这种方法为研究mRNA修饰及其调节作用提供了更强大,更准确的工具.
• 增强的预测准确度突出显示了该模型在推进mRNA稳定性和翻译研究方面的潜力.