特征与原始序列：预测前体miRNA的深度学习方法比较研究
机器学习
2017-10-19 v1 基因组学
摘要
在深度学习框架中，我们应输入已知的基因组序列特征还是输入序列本身？随着深度学习在各种应用中愈发流行，研究者经常面临是为深度学习生成特征还是使用原始序列的疑问。为回答此问题，我们研究了基于特征深度信念网络与基于序列卷积神经网络的前体miRNA预测准确率。在六层卷积神经网络与三层深度信念网络的变体上测试，我们发现基于原始序列输入的卷积神经网络模型表现与基于特征的深度信念网络相似或略优，最佳准确率分别为0.995和0.990。两种模型均优于现有基准模型。结果表明，若提供足够大的数据，设计良好的基于原始序列的深度学习模型可替代基于特征的深度学习模型。然而，构建表现良好的深度学习模型可能非常具有挑战性。在特征易于提取的情况下，基于特征的深度学习模型可能是更好的选择。
引用
@article{arxiv.1710.06798,
title = {Feature versus Raw Sequence: Deep Learning Comparative Study on Predicting Pre-miRNA},
author = {Jaya Thomas and Sonia Thomas and Lee Sael},
journal= {arXiv preprint arXiv:1710.06798},
year = {2017}
}
备注
12 pages, 2 figures. arXiv admin note: substantial text overlap with arXiv:1704.03834