microT-CNN:一个先进的深层卷积神经网络揭示了超越规范站点的功能miRNA目标

科学领域:

• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学

背景情况:

• 微RNAs (miRNAs) 是健康和疾病中的基因表达的关键调节者.
• 识别miRNA目标至关重要,但仍然是一个重大挑战,限制了我们对miRNA相互作用和功能的理解.

研究的目的:

• 引入microT-CNN,这是一个深层卷积神经网络,用于预测miRNA基因点.
• 提高miRNA目标预测的准确性和范围,包括病毒miRNAs.

主要方法:

• 开发了microT-CNN,一种基于多层序列的深层卷积神经网络.
• 在超过60,000个miRNA结合事件和来自26种细胞类型的30,000个独特miRNA-基因标对上训练并评估了模型.
• 整合了数百个直接和间接的实验数据用于培训.

主要成果:

• microT-CNN可以预测宿主和病毒编码的miRNA相互作用.
• 在Epstein-Barr和Kaposi的肉瘤相关的疹病毒中,直接实现了高达67%的真实病毒衍生的miRNA-目标对的预测.
• 确定了超出规范位置的功能目标,包括3'补偿配对,导致比其他方法验证的绑定事件多1.4倍.

结论:

• microT-CNN显著提高了miRNA目标预测的准确性和范围.
• 该模型为miRNA互动组提供了新的见解,特别是对于病毒miRNAs.
• 这项工作有助于更深入地了解miRNAs在各种生物环境中的基因调节.