跨多种细胞系的LncRNA亚细胞定位:使用深度学习与不准确的q-mers进行探索
Weijun Yi1, Jason R Miller2, Gangqing Hu3
1Computer Science and Electrical Engineering, West Virginia University, Morgantown, WV 26506, USA.
Non-coding RNA
|July 23, 2025
概括
预测长非编码RNA (lncRNA) 局部化使用不准确的序列配置文件得到了改进. 大多数lncRNAs在细胞类型中始终局部化,但有些 lncRNAs 在细胞类型中始终局部化,但有些 lncRNAs 在细胞类型中始终局部化.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 分子生物学分子生物学
背景情况:
- 长非编码RNAs (lncRNAs) 呈现出各种各样的亚细胞局部 (核,细胞质) 影响其功能.
- 对于lncRNA亚细胞局部化存在有限的注释,需要预测模型.
- 利用注释的lncRNAs可以帮助预测未注释的局部化.
研究的目的:
- 用不准确的序列配置文件来增强 lncRNA 亚细胞定位预测.
- 为了研究 lncRNA局部化的细胞类型特异性.
- 识别和表征"切换" lncRNAs,改变跨细胞类型的局部化.
主要方法:
- 使用了机器学习和深度学习技术,具有不准确的q-mer配置文件.
- 开发了 lncRNA 亚细胞定位的预测模型.
- 在15个不同的细胞系中分析了 lncRNA 局部化数据.
主要成果:
- 不准确的q-mers (q=6) 显著提高了lncRNA本地化预测准确度,而不是准确的q-mers.
- lncRNA局部化通常不是特定于细胞系.
- 确定了"切换" lncRNAs,这些 lncRNAs在细胞系之间改变细胞区,使预测变得复杂.
结论:
- 不准确的 q-mer 配置文件为 lncRNA 定位预测提供了更强大的方法.
- 虽然通常是保存的,但 lncRNAs的一个子集表现出动态局部化,这对预测模型构成了挑战.
- 准确的lncRNA亚细胞局部化预测仍然是研究的一个重要领域.
更多相关视频
11:04RNA Next-Generation Sequencing and a Bioinformatics Pipeline to Identify Expressed LINE-1s at the Locus-Specific Level
Published on: May 19, 2019
10.1K
13:21Comprehensive DNA Methylation Analysis Using a Methyl-CpG-binding Domain Capture-based Method in Chronic Lymphocytic Leukemia Patients
Published on: June 16, 2017
10.1K
