deepMiRGene：基于深度神经网络的前体microRNA预测
机器学习
2016-05-04 v1 定量方法
摘要
由于microRNAs (miRNAs)在转录后基因调控中起着关键作用，miRNA识别是计算生物学中最基本的问题之一。miRNAs通常长度较短，介于20至23个碱基对之间。因此，往往难以将miRNA编码序列与其他具有相似长度的非编码RNA和伪miRNA区分开，且大多数先前的研究建议使用前体miRNAs而非成熟miRNAs进行稳健检测。已提出大量传统的基于机器学习的分类方法，但它们常有需要手动特征工程的严重缺点，且性能也有限。在本文中，我们提出了一种新颖的miRNA前体预测算法deepMiRGene，其基于循环神经网络，具体而言是长短期记忆网络。deepMiRGene无需手动特征工程即可从数据自身自动学习合适的特征，并构建能够成功反映前体miRNAs结构特征的模型。对于我们方法的性能评估，我们在三个近期基准数据集上采用了几种广泛使用的评价指标，并验证了deepMiRGene在当前最先进工具中提供了可比的性能。
引用
@article{arxiv.1605.00017,
title = {deepMiRGene: Deep Neural Network based Precursor microRNA Prediction},
author = {Seunghyun Park and Seonwoo Min and Hyunsoo Choi and Sungroh Yoon},
journal= {arXiv preprint arXiv:1605.00017},
year = {2016}
}