TargetNet：基于深度神经网络的功能性 microRNA 靶标预测
基因组学
2021-10-14 v2 人工智能
机器学习
摘要
动机：MicroRNAs (miRNAs) 通过结合信使 RNAs (mRNAs) 的靶位点在基因表达调控中发挥关键作用。虽然鉴定 miRNAs 的功能性靶标至关重要，但其预测仍是一个巨大挑战。先前的计算算法存在主要局限性。它们使用保守的候选靶位点 (CTS) 选择标准，主要关注规范位点类型，依赖费时费力的手动特征提取，并且未充分利用 miRNA-CTS 相互作用背后的信息。结果：在本文中，我们介绍了 TargetNet，一种用于功能性 miRNA 靶标预测的新型深度学习算法。为了解决先前方法的局限性，TargetNet 具有三个关键组件：(1) 宽松的 CTS 选择标准，可适应种子区域的不规则性；(2) 结合扩展种子区域比对的 miRNA-CTS 序列编码方案；(3) 基于深度残差网络的预测模型。所提出的模型使用 miRNA-CTS 对数据集进行训练，并使用 miRNA-mRNA 对数据集进行评估。TargetNet 超越了先前用于功能性 miRNA 靶标分类的最先进算法。此外，它展示了在区分高功能性 miRNA 靶标方面的巨大潜力。
引用
@article{arxiv.2107.11381,
title = {TargetNet: Functional microRNA Target Prediction with Deep Neural Networks},
author = {Seonwoo Min and Byunghan Lee and Sungroh Yoon},
journal= {arXiv preprint arXiv:2107.11381},
year = {2021}
}
备注
This article has been accepted for publication in Bioinformatics published by Oxford University Press