相关实验视频
Updated: Jun 28, 2026

08:25
Identification of Circular RNAs using RNA Sequencing
Published on: November 14, 2019
12.2K
基于BiLSTM和CNN的m6A修饰预测模型用于circRNAs.
Yuqian Yuan1, Xiaozhu Tang2, Hongyan Li1
1School of Artificial Intelligence and Information Technology, Nanjing University of Chinese Medicine, Nanjing 210023, China.
Molecules (Basel, Switzerland)
|June 19, 2024
概括
研究人员开发了一种新的AI模型来预测循环RNA (circRNAs) 上的m6A甲基化位点. 这个工具准确地识别了甲基化模式,进步了我们对基因表达和疾病的理解.
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.
- 基因组学就是基因组学.
背景情况:
- N6-甲基氨酸 (m6A) 甲基化是影响基因表达和细胞过程的关键RNA修饰.
- 虽然对于信使RNA (mRNA) 存在m6A预测模型,但对于圆形RNA (circRNA) 存在差距.
- 准确预测circRNAs上的m6A位点对于了解它们的调节作用和参与疾病至关重要.
研究的目的:
- 开发一种新的计算模型,精确预测circRNAs中的m6A甲基化位点.
- 利用卷积神经网络 (CNN) 和双向长期短期记忆 (BiLSTM) 网络的优势,提高预测准确度.
主要方法:
- 设计了一种混合CNN-BiLSTM模型,整合了注意力机制.
- 该模型使用来自HEK293细胞的m6A甲基化数据进行训练和验证.
- 采用了CNN的特征提取能力和BiLSTM的远程依赖处理.
主要成果:
- 开发的模型在独立数据集上实现了超过78%的预测准确度.
- 注意力机制有效地突出了circRNA m6A甲基化关键的生物信息.
- 该模型在识别 circRNA 序列中的 m6A 位点方面表现出卓越的性能.
结论:
- 新的CNN-BiLSTM混合模型为准确的circRNA m6A位点预测提供了宝贵的工具.
- 这一进步增强了对生物系统中circRNA功能和调节的理解.
- 这些发现为未来针对circRNA甲基化的生物医学应用奠定了基础.

