Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Interpretable prediction and generation of ASC-speck aptamers using multiscale deep biological learning models.

Bioinformatics advances·2026
Same author

RPI-PLMGNN: Enhancing RNA-Protein Interaction Prediction with the Pretrained Large Language Models and Graph Neural Networks.

ACS synthetic biology·2026
Same author

MPMFMol: Multitask Self-Supervised Pretraining with Multimodal Fine-Tuning for Molecular Property Prediction.

Journal of chemical information and modeling·2026
Same author

Quantum computing applications in drug discovery.

Briefings in bioinformatics·2026
Same author

MuFGPS: enhancing liquid-liquid phase separation protein prediction through multi-level features and ensemble learning.

Briefings in bioinformatics·2026
Same author

Deep learning the TF regulatory code for gene expression.

Genome research·2026

相关实验视频

Updated: May 10, 2025

CIRCLE-Seq for Interrogation of Off-Target Gene Editing
08:23

CIRCLE-Seq for Interrogation of Off-Target Gene Editing

Published on: November 1, 2024

413

CRISPR-MFH:一个轻量级的混合深度学习框架,具有多功能编码,用于改进CRISPR-Cas9的目标外预测.

Yanyi Zheng1, Quan Zou2,3, Jian Li4

  • 1College of Landscape Architecture, Beijing Forestry University, Beijing 100083, China.

Genes
|April 26, 2025
PubMed
概括
此摘要是机器生成的。

这项研究介绍了CRISPR-MFH,这是一种用于CRISPR-Cas9基因编辑的新型深度学习框架. 它使用一种新的编码方法准确预测非目标效应,提供轻量级和高效的解决方案.

关键词:
这就是CRISPR-Cas9的特征.深度学习是一种深度学习.这是一个超参数.轻量级的模型轻量级的模型.在目标之外的预测预测

更多相关视频

Using Sniper-Cas9 to Minimize Off-target Effects of CRISPR-Cas9 Without the Loss of On-target Activity Via Directed Evolution
11:37

Using Sniper-Cas9 to Minimize Off-target Effects of CRISPR-Cas9 Without the Loss of On-target Activity Via Directed Evolution

Published on: February 26, 2019

9.6K
A New Toolkit for Evaluating Gene Functions using Conditional Cas9 Stabilization
08:20

A New Toolkit for Evaluating Gene Functions using Conditional Cas9 Stabilization

Published on: September 2, 2021

4.0K

相关实验视频

Last Updated: May 10, 2025

CIRCLE-Seq for Interrogation of Off-Target Gene Editing
08:23

CIRCLE-Seq for Interrogation of Off-Target Gene Editing

Published on: November 1, 2024

413
Using Sniper-Cas9 to Minimize Off-target Effects of CRISPR-Cas9 Without the Loss of On-target Activity Via Directed Evolution
11:37

Using Sniper-Cas9 to Minimize Off-target Effects of CRISPR-Cas9 Without the Loss of On-target Activity Via Directed Evolution

Published on: February 26, 2019

9.6K
A New Toolkit for Evaluating Gene Functions using Conditional Cas9 Stabilization
08:20

A New Toolkit for Evaluating Gene Functions using Conditional Cas9 Stabilization

Published on: September 2, 2021

4.0K

科学领域:

  • 生物技术是生物技术.
  • 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:

  • 克里斯普尔-Cas9基因编辑具有显著的潜力,但面临着非目标效应的挑战.
  • 目前用于目标外预测的深度学习模型往往未充分利用序列对信息,并且可能过于复杂.
  • 模型参数大小的增加导致了更大的复杂性,阻碍了实际应用.

研究的目的:

  • 开发一种新,高效和准确的深度学习框架,用于预测CRISPR-Cas9的脱效应.
  • 解决现有模型在利用序列对信息和管理复杂性的局限性.

主要方法:

  • 一种新的多特征独立编码方法,以代表gRNA-DNA序列对作为三个不同的特征矩阵,最大限度地减少信息丢失.
  • 开发CRISPR-MFH,一个轻量级的混合深度学习框架,集成多尺度可分离的卷积和混合注意力机制.

主要成果:

  • 拟议的编码方法有效地捕获了关键序列特征.
  • 在多个基准数据集中,CRISPR-MFH表现出高于或与最先进的模型可比的性能.
  • 该框架在显著减少参数的情况下实现了高精度,表明效率有所提高.

结论:

  • 这项研究提出了一种新的方法,用于增强CRISPR-Cas9目标外检测的深度学习.
  • 开发的方法和框架为管理基因编辑风险提供了更加实用和有效的解决方案.