基于深度学习的核小体位点预测方法

• 作者: 刘慧慧 李代祎 王晓 钱慎一
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 核小体位点 向量化 特征提取 卷积神经网络 交叉验证
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 智能技术
• 页码范围: 862-868
• 页数: 7页
• 分类号: TP309
• 字数: 5998字
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2019.03.044

摘要

为实现在海量的被测序DNA序列中快速、准确的定位核小体, 解决传统人工实验法和被提出的一些计算方法耗时长和准确率低等问题, 迫切需要设计一种快速有效的核小体自动化定位方法.在基于伪核苷酸K-联体特征提取的基础上构造样本集的特征向量, 提出在TensorFlow框架下利用卷积神经网络 (CNN) 构建核小体定位的网络预测模型.在预测模型上分别对智人、线虫和果蝇3个基准数据集进行交叉验证测试, 预测准确率分别为88.21％、89.19％、85.07％, 实验结果表明, 该预测模型性能高于目前已有预测模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱慎一	郑州轻工业学院计算机与通信工程学院	40	183	7.0	12.0
2	王晓	郑州轻工业学院计算机与通信工程学院	9	20	2.0	4.0
3	李代祎	郑州轻工业学院计算机与通信工程学院	4	23	1.0	4.0
4	刘慧慧	郑州轻工业学院计算机与通信工程学院	3	1	1.0	1.0