细胞CircLoc:深度神经网络用于预测和解释细胞系特异的CircRNA亚细胞定位

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:

• 循环RNAs (circRNAs) 的细胞下定位是它们功能的关键.
• 在不同的细胞系中,circRNA的局部化有很大差异.
• 当前的预测方法经常忽视细胞系特异性,限制了准确性.

研究的目的:

• 开发一种特定于细胞系的计算模型,用于预测circRNA亚细胞局部化.
• 通过考虑细胞背景来提高circRNA本地化预测的准确性.

主要方法:

• 提出CellCircLoc,这是一个使用CNN,变压器块和BiLSTM的深度学习模型.
• 在变压器块内集成了一个专心的卷积机制.
• 使用序列数据进行训练的细胞系特异模型.

主要成果:

• 细胞CircLoc准确地预测 circRNA 在多种细胞系的细胞下定位.
• 该模型的性能优于不考虑细胞系特异性的现有方法.
• 证明了CellCircLoc用于模式发现的可解释性.

结论:

• 细胞系特异性预测对于准确的circRNA定位至关重要.
• 细胞CircLoc为circRNA研究提供了一个强大的和可解释的工具.
• 突出了circRNA调节的上下文依赖性.