DeepOCR:一种多种深度学习框架,用于准确识别牲畜中的开放色素区域
Liangwei Zhao1, Ran Hao1, Ziyi Chai1
1College of Information Engineering, Northwest A&F University, Yangling 712100, China.
Computational biology and chemistry
|May 1, 2024
概括
DeepOCR使用新型深度学习模型准确地预测牲畜中的开放色素区域 (OCR). 这一进步有助于治疗牲畜疾病,并通过更好地了解DNA调节元件来改善动物福利.
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:
- 开放色素区域 (OCR) 对于重要的生物过程至关重要,如DNA复制和基因转录.
- 识别牲畜中的OCR对于了解疾病机制和提高动物福利至关重要.
- 现有的机器学习方法通常在非模型生物体 (包括牲畜) 上表现不佳.
研究的目的:
- 开发一种强大而高效的计算工具,用于预测家畜物种中的OCR.
- 解决目前在非模型生物中的OCR预测方法的局限性.
主要方法:
- 建议DeepOCR,一个轻量级深度可分离的残余网络.
- 集成了一个单一的卷积层和两个改进的残余结构块用于特征提取.
- 利用一个完全连接的层来增强功能处理和网络稳定性.
主要成果:
- 与最先进的方法相比,DeepOCR在,牛和绵羊数据集上的预测性能优越.
- 该模型有效地从DNA序列中提取和学习OCR识别的关键特征.
结论:
- 深度OCR为家畜的OCR相关研究提供了一个实用和可靠的计算解决方案.
- 自由可用的源代码有助于进一步研究牲畜基因组学和福利.


