一个集成的TCN-CrossMHA模型用于预测circRNA-RBP结合部位
Yajing Guo1, Xiujuan Lei2, Shuyu Li1
1School of Computer Science, Shaanxi Normal University, Xi'an, 710119, China.
Interdisciplinary sciences, computational life sciences
|November 6, 2024
概括
这项研究介绍了circTCA,一种使用时间卷积网络和注意力机制的新计算方法,用于准确预测圆形RNA (circRNAs) 和RNA结合蛋白 (RBPs) 之间的结合点. 这一进步有助于了解疾病机制和开发向治疗.
科学领域:
- 计算生物学 计算生物学
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 循环RNA (circRNAs) 与RNA结合蛋白 (RBPs) 相互作用,影响疾病的发展.
- 准确预测circRNA-RBP结合部位对于理解疾病机制和开发治疗策略至关重要.
研究的目的:
- 开发一种新的计算方法,circTCA,用于预测circRNA-RBP结合位.
- 为了增强对circRNA-RBP相互作用的理解,用于潜在的疾病治疗应用.
主要方法:
- 利用时间卷积网络 (TCN) 和交叉多头注意力机制.
- 对于circRNA序列采用了两个不同的编码策略.
- 实现了全球期望聚合和一个完全连接的分类层.
主要成果:
- 拟议的circTCA方法在预测circRNA-RBP结合位点方面表现出有效性.
- 与其他五种方法进行的比较分析和废弃实验证实了circTCA的卓越性能.
- 功能可视化和动机分析验证了模型的预测能力.
结论:
- circTCA是预测circRNA-RBP结合位点的有效工具.
- 开发的方法为与疾病发病相关的分子相互作用提供了宝贵的见解.
- 这种方法可以有助于开发针对circRNA-RBP相互作用的新型治疗策略.


