G4-Attention：用于预测DNA G-四链体的注意力深度学习模型
机器学习
2024-03-06 v1 生物大分子
摘要
G-四链体是由鸟嘌呤四聚体的堆叠排列形成的四链非规范核酸二级结构。由于其异常独特和显著的结构特征，它们参与广泛的生物学作用。人类基因组测序项目完成后，引入了许多生物信息学算法，基于规范G4序列元件、G-富集性和G-偏斜性以及非规范序列特征，预测体外活性G4区域。最近，开发了如G4-seq和G4-ChIP-seq等测序技术，分别以几百碱基分辨率绘制体外和体内G4图谱。随后，开发了几种机器学习方法，利用现有数据库预测G4区域。然而，它们的预测模型过于简单，预测精度显著较差。为此，我们提出了一种新颖的卷积神经网络，结合Bi-LSTM和注意力层，命名为G4-attention，以改进精度预测G4形成序列。G4-attention在G4预测任务中实现了高精度并达到了最先进的结果。我们的模型还能在高度类别不平衡的数据集中准确预测G4区域。此外，在人类基因组数据集上训练的模型可以应用于任何非人类基因组DNA序列，以预测G4形成倾向。
引用
@article{arxiv.2403.02765,
title = {G4-Attention: Deep Learning Model with Attention for predicting DNA G-Quadruplexes},
author = {Shrimon Mukherjee and Pulakesh Pramanik and Partha Basuchowdhuri and Santanu Bhattacharya},
journal= {arXiv preprint arXiv:2403.02765},
year = {2024}
}