相关实验视频

Updated: May 20, 2025

Detection of miRNA Targets in High-throughput Using the 3'LIFE Assay

Detection of miRNA Targets in High-throughput Using the 3'LIFE Assay

Published on: May 25, 2015

一个多输入神经网络模型,用于准确的微RNA目标站点检测

Mohammad Mohebbi¹, Amirhossein Manzourolajdad², Ethan Bennett¹

¹Department of Computer Science and Information Science, University of North Georgia, Dahlonega, GA 30597, USA.

|March 24, 2025

概括

一个新的多输入神经网络 (MINN) 算法通过分析RNA结构和结合概率来准确预测微RNA目标站点,改进了现有的计算方法.

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.
计算生物学计算生物学

背景情况:

微RNA (非编码RNA序列) 通过准信使RNA来调节基因表达.
识别microRNA目标部位对于理解细胞功能至关重要,但由于实验成本和计算限制,具有挑战性.
现有的计算方法经常受到高错误阳性率的影响.

研究的目的:

开发一种新的计算算法,用于准确的microRNA目标站点预测.
通过整合各种生物特征来克服当前预测方法的局限性.

主要方法:

介绍一个多输入神经网络 (MINN) 算法.
生物相关特征的整合:微RNA双重结构,子结构,最小自由能量和结概率.
以图像形式表示特征,由MINN并行处理,用于全面的学习.

主要成果:

在经过实验验证的测试集上,MINN算法实现了高性能.
关键指标包括0.9373的精度回忆曲线下的面积 (AUPRC),0.8725的精度和0.8703.3的回忆.
拟议的方法超过了几种常用的计算microRNA目标站点预测工具.

结论:

整合不同的,生物可解释的特征 (双重结构,MFE,绑定概率) 可以提高预测的准确性.
该模型表现出强大的概括能力,在顺序遥远的样本上表现良好.
专注于结构和能量特征,而不是仅仅是核酸序列,可以提高模型的稳定性.

关键词:

生物信息学是一种生物信息学.计算生物学是计算生物学.深度学习是一种深度学习.微型RNA的目标点检测检测神经网络的神经网络的神经网络

更多相关视频

Biotin-based Pulldown Assay to Validate mRNA Targets of Cellular miRNAs

Biotin-based Pulldown Assay to Validate mRNA Targets of Cellular miRNAs

Published on: June 12, 2018

Genome-wide Screen for miRNA Targets Using the MISSION Target ID Library

Genome-wide Screen for miRNA Targets Using the MISSION Target ID Library

Published on: April 6, 2012

相关概念视频

MicroRNAs

MicroRNAs

MicroRNA (miRNA) are short, regulatory RNA transcribed from introns (non-coding regions of a gene) or intergenic regions (stretches of DNA present between genes). Several processing steps are required to form biologically active, mature miRNA. The initial transcript, called primary miRNA (pri-mRNA), base-pairs with itself, forming a stem-loop structure. Within the nucleus, an endonuclease enzyme, called Drosha, shortens the stem-loop structure into hairpin-shaped pre-miRNA. After the pre-miRNA...