人工智能技术在植物微RNA研究中的应用:进展,挑战和前景

科学领域:

• 植物分子生物学 植物分子生物学
• 生物信息学是一种生物信息学.
• 计算生物学是一种计算生物学.

背景情况:

• 植物微RNA (miRNA) 是基因表达的关键调节者,在转录后对生长,发育和应激反应至关重要.
• 植物miRNA具有独特的特征,包括核生物发生和高目标互补性,使专门的计算预测方法成为可能.

研究的目的:

• 系统地审查人工智能 (AI) 在植物miRNA研究中的演变和应用.
• 分析AI在miRNA识别,目标预测和监管网络分析中的作用.
• 在人工智能驱动的植物miRNA研究中确定当前的挑战和未来的方向.

主要方法:

• 对传统的机器学习和深度学习架构的审查,应用于植物miRNA研究.
• 对AI应用在预测miRNA识别,目标结合和与lncRNAs相互作用方面的分析.
• 在AI模型中评估数据不平衡,跨物种概括,可解释性和验证问题.

主要成果:

• 通过深度学习,人工智能对植物miRNAs的预测准确度已经从~90%提高到99%以上.
• 人工智能有助于分析miRNA-lncRNA相互作用和竞争的内源RNA (ceRNA) 网络.
• 仍然存在重大挑战,包括数据不平衡,有限的模型解释性和实验验证瓶.

结论:

• 人工智能对于推动植物miRNA研究和支持作物改进是不可或缺的.
• 解决数据不平衡和提高模型解释性对于未来的AI应用至关重要.
• 在人工智能和高通量验证方面的持续创新对于新的miRNA设计是必要的.