基于卷积神经网络和循环神经网络的环形RNA剪接位点识别研究

• 作者: 孙凯 魏庆功 臧超禹 孙如轩 姜丹 孙晓勇
• 来源期刊: 生物化学与生物物理进展
• 关键词: 深度学习 卷积神经网络 循环神经网络 环形RNA 剪接位点
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 研究报告|Research Papers
• 页码范围: 328-335
• 页数: 8页
• 分类号: TP391|Q52
• 语种: 中文
• DOI: 10.16476/j.pibb.2020.0298

摘要

本文提出了一种基于卷积神经网络和循环神经网络的深度学习模型,通过分析基因组序列数据,识别人基因组中环形RNA剪接位点.首先,根据预处理后的核苷酸序列,设计了2种网络深度、8种卷积核大小和3种长短期记忆(long short term memory,LSTM)参数,共8组16个模型;其次,进一步针对池化层进行均值池化和最大池化的测试,并加入GC含量提高模型的预测能力;最后,对已经实验验证过的人类精浆中环形RNA进行了预测.结果表明,卷积核尺寸为32×4、深度为1、LSTM参数为32的模型识别率最高,在训练集上为0.9824,在测试数据集上准确率为0.95,并且在实验验证数据上的正确识别率为83％.该模型在人的环形RNA剪接位点识别方面具有较好的性能.