相关实验视频
Updated: Jun 25, 2025
06:16
mirMachine: A One-Stop Shop for Plant miRNA Annotation
Published on: May 1, 2021
2.5K
通过自我监督的k-mer嵌入和光谱图卷积神经网络来改善植物miRNA目标预测
Weihan Zhang1,2, Ping Zhang3, Weicheng Sun3
1CAS Key Laboratory of Plant Germplasm Enhancement and Specialty Agriculture, Wuhan Botanical Garden, The Innovative Academy of Seed Design of Chinese Academy of Sciences, Wuhan, Hubei Province, China.
PeerJ
|May 27, 2024
概括
识别植物微RNA (miRNA) 点是理解基因调节和植物育种的关键. 我们新的kmerPMTF框架使用k-mer序列和深度学习有效地预测miRNA-target交互,以更少的数据提高准确性.
科学领域:
- 植物分子生物学 植物分子生物学
- 生物信息学是一种生物信息学.
- 基因组学就是基因组学.
背景情况:
- 微RNA (miRNA) 调节对于植物发育和表型变异至关重要.
- 目前用于miRNA目标预测的计算方法往往需要大量的数据集,这限制了它们在植物育种中的使用.
- 细胞特异性miRNA活动需要精细的预测策略.
研究的目的:
- 开发一种新且高效的计算框架,kmerPMTF,用于预测植物微RNA-目标相互作用.
- 通过减少数据要求,克服现有方法的局限性.
- 增强对植物中miRNA调节网络的理解.
主要方法:
- 利用k-mer分割和深度自我监督的神经网络来提取序列嵌入.
- 基于k-mer嵌入的构建相似性网络.
- 采用图形卷积网络来导出miRNA和关联概率计算的目标表示.
主要成果:
- 在精确回忆曲线 (AUPRC) 下实现的高面积值:84.9% (Arabidopsis thaliana),91.0% (Oryza sativa),80.1% (Solanum lycopersicum) 和82.1% (Prunus persica) 的价值.
- 与最先进的方法相比,在值独立的评估指标上表现出优异的表现.
- 验证了该框架在各种植物物种中的有效性.
结论:
- kmerPMTF框架为植物miRNA目标预测提供了一种高效和简化的方法.
- 这种方法可以通过更好地了解miRNA功能来帮助改善植物育种.
- 有助于解读植物中复杂的miRNA调节机制.
