相关实验视频
Updated: May 29, 2025
06:16
mirMachine: A One-Stop Shop for Plant miRNA Annotation
Published on: May 1, 2021
2.5K
PmiProPred:一种基于CNN-变压器网络和卷积块注意力机制的植物miRNA促进器预测的新方法
Haibin Li1, Jun Meng1, Zhaowei Wang1
1School of Computer Science and Technology, Dalian University of Technology, Dalian, Liaoning 116024, China.
International journal of biological macromolecules
|February 5, 2025
概括
使用深度学习,PmiProPred可以准确地预测植物微RNA (miRNA) 促进者. 该工具增强了对miRNA转录的理解,并有助于基因组注释.
科学领域:
- 基因组学就是基因组学.
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
背景情况:
- 微RNA (miRNA) 转录机制至关重要,特别是对于miRNA编码的.
- 准确识别促进子区域对于完整的miRNA转录注释至关重要.
- 目前用于植物miRNA促进体预测的计算方法需要改进.
研究的目的:
- 开发一种先进的计算工具,PmiProPred,用于预测植物miRNA促进体.
- 为了提高识别控制miRNA基因表达的调节区域的准确性和效率.
主要方法:
- PmiProPred使用变压器和CNN模型采用多流深度特征提取 (MsDFE).
- 多流深度特征精细化 (MsDFR) 使用道和空间注意力机制.
- 一个多层感知子分类器执行最后的miRNA促进体识别.
主要成果:
- 在三个独立的数据集上,PmiProPred实现了高预测准确率:94.630%,96.659%和92.480%.
- 该工具显著优于现有的最先进的植物miRNA促进体预测方法.
- 在五种植物物种中,PmiProPred成功地确定了核心促进物和cis-regulatory元素.
结论:
- PmiProPred是一种强大而有效的工具,用于发现植物miRNA促进剂.
- 开发的方法在计算植物基因组学方面取得了重大进展.
- 这些发现有助于更深入地了解植物中miRNA基因调节.
