基于深度卷积神经网络识别可变剪接位点 |
| |
引用本文: | 张雨晨,杨立桃,王灿华.基于深度卷积神经网络识别可变剪接位点[J].基因组学与应用生物学,2019,38(11):4986-4991. |
| |
作者姓名: | 张雨晨 杨立桃 王灿华 |
| |
作者单位: | 上海交通大学生命科学技术学院,上海,200240;上海交通大学生命科学技术学院,上海,200240;上海交通大学生命科学技术学院,上海,200240 |
| |
基金项目: | 本研究由转基因作物新品种培育重大专项 |
| |
摘 要: | 可变剪接源于多外显子基因生成多个转录本的调控过程。随着高通量测序,尤其是RNA-seq的研究进展,剪接序列和剪接位点可以通过挖掘海量的测序数据进行预测。可变剪接现象拓宽了人们对基因结构和蛋白质亚型的知识。然而现有的短序列比对软件受到随机性比对的影响,产生很多假阳性剪接位点,干扰下游数据分析。本研究发现,可变剪接位点周边序列的结构特征可被深度学习模型提取,并利用深度卷积神经网络识别剪接位点。本研究的模型具有识别率高、计算速度快,模型泛化能力强、鲁棒性高等优势。
|
关 键 词: | 深度学习 可变剪接 卷积神经网络 RNA高通量测序 |
本文献已被 CNKI 万方数据 等数据库收录! |
|