基于深度神经网络的十一物种前体microRNA预测
定量方法
2017-04-13 v1 机器学习
摘要
MicroRNA (miRNA) 是在转录后水平调节基因表达的小非编码 RNA。确定一段序列是否为 miRNA 在实验上具有挑战性。此外，实验结果对实验环境敏感。这些局限促使了预测 miRNA 的计算方法的发展。我们提出了一种基于深度学习的分类模型，称为 DP-miRNA，用于预测包含 miRNA 序列的前体 miRNA 序列。这种基于特征集的限制玻尔兹曼机方法（我们称之为 DP-miRNA）使用了 58 个特征，分为四类：序列特征、折叠度量、茎环特征和统计特征。我们在涵盖不同物种（包括人类）的十一个、十二个数据集上评估了 DP-miRNA 的性能。基于深度神经网络的分类优于支持向量机、神经网络、朴素贝叶斯分类器、k近邻、随机森林以及结合支持向量机和遗传算法的混合系统。
引用
@article{arxiv.1704.03834,
title = {Deep Neural Network Based Precursor microRNA Prediction on Eleven Species},
author = {Jaya Thomas and Lee Sael},
journal= {arXiv preprint arXiv:1704.03834},
year = {2017}
}
备注
6 pages, 2 figures, extended from BigComp2017 short paper