NLP 遇见 RNA：基于 Word2Vec 的核酶无监督嵌入学习
机器学习
2023-07-13 v1 生物大分子
摘要
核酶是具有独特三维结构与催化活性的 RNA 分子，在合成生物学与治疗学中应用广泛。然而，相对鲜有研究关注利用深度学习来增强我们对核酶的理解。本研究实现了 Word2Vec——一种用于自然语言处理的无监督学习技术——以学习核酶嵌入。Ribo2Vec 在超过 9000 种多样化核酶上训练，学习将序列映射到 128 与 256 维向量空间。利用 Ribo2Vec，我们计算了五类核酶（hatchet、pistol、hairpin、hovlinc 与 twister sister）的序列嵌入。主成分分析证明了这些嵌入区分核酶类别的能力。此外，一个在核酶嵌入上训练的简易 SVM 分类器在准确分类核酶类型上展现出 promising 结果。我们的结果表明嵌入向量包含了关于核酶的有意义信息。有趣的是，256 维嵌入与 128 维嵌入表现相似，表明较低维向量空间通常足以捕捉核酶特征。该方法展示了 Word2Vec 在生物信息学中的潜力，为核酶研究开辟了新途径。未来研究包括使用基于 Transformer 的方法学习 RNA 嵌入，以捕捉核苷酸间的长程相互作用。
引用
@article{arxiv.2307.05537,
title = {NLP Meets RNA: Unsupervised Embedding Learning for Ribozymes with Word2Vec},
author = {Andrew Kean Gao},
journal= {arXiv preprint arXiv:2307.05537},
year = {2023}
}