基于序列的模型使用深度神经网络和混合特征来识别5-基甲基细胞素修饰的5-基甲基细胞素修饰
Salman Khan1, Islam Uddin1, Mukhtaj Khan2
1Department of Computer Science, Abdul Wali Khan University Mardan, Mardan, Pakistan.
Scientific reports
|April 20, 2024
概括
Deep5HMC是一种新的机器学习模型,可以准确识别5-基甲基细胞素 (5HMC) RNA的修饰. 这一进步为早期疾病诊断提供了更有效的方法,改善了医疗评估.
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:
- RNA修饰对于细胞过程和基因调节至关重要.
- 5甲基细胞蛋白 (5HMC) 是一个关键的表观遗传标记物,参与基因表达.
- 目前用于5HMC检测的方法通常是复杂和昂贵的.
研究的目的:
- 开发一个准确和高效的计算模型来识别5HMCRNA修饰.
- 为了利用机器学习和特征提取进行强大的5HMC样本识别.
- 评估该模型在早期疾病诊断,特别是癌症和心血管疾病方面的潜力.
主要方法:
- 整合了七种不同的特征提取技术.
- 应用各种机器学习算法,包括随机森林,天真贝叶斯,决策树和支持矢量机器.
- 使用K折交叉验证进行严格的模型评估.
主要成果:
- 在识别5HMC样本时,Deep5HMC模型实现了84.07%的准确率.
- 这种准确性比现有模型有7.59%的显著改进.
- 该模型在5HMC检测方面表现出强大的区分能力.
结论:
- Deep5HMC提供了一种有前途的计算方法来分析RNA修饰.
- 该模型的准确性表明,在癌症和心血管疾病等疾病的早期诊断中具有潜在的应用.
- 这项研究强调了机器学习在推进医学应用的RNA修饰分析方面的实用性.
