m5c-iDeep:通过深度学习识别5-甲基细胞因位点
Sharaf J Malebary1, Nashwan Alromema2, Muhammad Taseer Suleman3
1Department of Information Technology, Faculty of Computing and Information Technology-Rabigh, King Abdulaziz University, P.O. Box 344, Rabigh 21911, Saudi Arabia.
Methods (San Diego, Calif.)
|August 1, 2024
概括
在RNA中识别5-Methylcytosine (m5c) 位点至关重要. 一个新的深度学习模型,m5c-iDeep,达到99.9%的准确性,优于现有的预测器,用于强大的m5c站点识别.
科学领域:
- 生物化学和分子生物学
- 生物信息学和计算生物学
- 基因组学就是基因组学.
背景情况:
- 5-甲基细胞氨酸 (m5c) 是一种普遍存在的RNA转录后修饰.
- 传统的m5c网站识别方法缺乏速度和可靠性.
- 测序数据的进步使得计算方法能够准确地检测m5c.
研究的目的:
- 开发准确和强大的in-silico方法来识别RNA中的m5c位点.
- 利用深度学习模型优化m5c网站预测.
- 为研究人员提供一个用户友好的工具,以促进m5c网站分析.
主要方法:
- 深度学习模型的开发,包括Gated Recurrent Unit (GRU),长期短期记忆 (LSTM) 和双向LSTM (Bi-LSTM).
- 编码RNA序列数据用于输入深度学习架构.
- 严格的模型评估使用独立的集合测试和十倍交叉验证.
主要成果:
- 基于LSTM的模型m5c-iDeep表现出卓越的性能.
- m5c-iDeep实现了99.9%的准确性,超过了现有的m5c预测器.
- 该模型的有效性通过全面的测试协议得到验证.
结论:
- 深度学习模型,特别是LSTM,为m5c网站预测提供了非常准确的方法.
- m5c-iDeep在RNA修饰的计算识别方面取得了重大进展.
- 在https://taseersuleman-m5c-ideep-m5c-ideep.streamlit.app/上提供了m5c-iDeep的网络服务器,以帮助研究人员.
