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

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.     

基于贝叶斯网络的DNA序列剪接位点预测

采用基于贝叶斯网络的建模方法,预测真核生物DNA序列中的剪接位点．分别建立了供体位点和受体位点模型,并根据两种位点的生物学特性,对模型的拓扑结构和上下游节点的选择进行了优化．通过贝叶斯网络的最大似然学习算法求出模型参数后,利用10分组交互验证方法对测试数据进行剪接位点预测。结果显示,受体位点的平均预测准确率为92．5％,伪受体位点的平均预测准确率为94．0％,供体位点的平均预测准确率为92．3％,伪供体位点的平均预测准确率为93．5％,整体效果要好于基于使用独立和条件概率矩阵、以及隐Markov模型的预测方法．表明利用贝叶斯网络对剪接位点建模是预测剪接位点的一种有效手段．     

前体mRNA剪接及剪接调节因子SR蛋白和Tra2蛋白

在高等真核生物中,前体mRNA的剪接及其调节是一个复杂的、由多因子参与的过程,它对基因的正常功能的发挥起着重要的作用,任何一种剪接调节因子的异常变化均有可能导致疾病的发生。因此,研究参与前体mRNA剪接调控的相关因子的功能及作用机制,对前体mRNA剪接机制的阐明,无疑是相当必要的。本文着重介绍了两类重要的mRNA剪接调节蛋白——SR蛋白和Tra2蛋白的研究近况,以期对前体mRNA剪接机制的研究的重要性和复杂性有更多的了解。     

mRNA选择性剪接的分子机制

真核细胞mRNA前体经过剪接成为成熟的mRNA,而mRNA前体的选择性剪接极大地增加了蛋白质的多样性和基因表达的复杂程度,剪接位点的识别可以以跨越内含子的机制(内含子限定)或跨越外显子的机制(外显子限定)进行。选择性剪接有多种剪接形式：选择不同的剪接位点,选择不同的剪接末端,外显子的不同组合及内含子的剪接与否等。选择性剪接过程受到许多顺式元件和反式因子的调控,并与基本剪接过程紧密联系,剪接体中的一些剪接因子也参与了对选择性剪接的调控。选择性剪接也是1个伴随转录发生的过程,不同的启动子可调控产生不同的剪接产物。mRNA的选择性剪接机制多种多样,已发现RNA编辑和反式剪接也可参与选择性剪接过程。     

真生物mRNA二级结构与内含子剪接

对６８个外显子－内含子－外显子序列片段以及相应的外显子－外显子序列片段的二级结构进行分析后发现,内含子５‘端和３’端的碱基Ｇ（剪拉位点）中大约９０％们一级结构的环区或是茎区的端部并靠近环,贿位于环区的Ｇ也多靠近环的基部;９２％的外显子拼接位点也有类似性质,约８２％的分枝点Ａ位于环区或环与茎的连接部位,折叠结构的形成使剪接位点和分枝点在空间上彼此靠近。     

果蝇非经典剪接位点的生物信息学预测

目的:计算识别果蝇中新的非经典剪接位点,以探索未知的剪接机制。方法:基于黑腹果蝇表达序列标签(EST)与其基因组序列比对数据重构基因结构,从中发现非经典的剪接位点,并采用Weblogo软件分析非经典剪接位点上下游序列,以期发现剪接相关的特异性元件。结果:共得到265个非经典的剪接位点,这些剪接位点落在195个蛋白编码基因上。结论:应用生物信息学方法在果蝇中发现了上百个非经典剪接位点,为研究非经典剪接机制奠定了基础。     

果蝇内含子3＇剪接位点的选择机制

从７２２个果蝇基因中,选出了３２４个内含子作为分析３＇剪接位点的选择机制的研究对象。结果表明Ｓｍｉｔｈ的扫描选择机制表述为″３′剪接位点是一致阅读基架（ＯＲＦ）上分支点和多嘧啶区下游的优势ＡＧ″更合理。对于ＯＲＦ约束在生物学操作上的含义作了必要的讨论。     

果蝇内含子3＇剪接位点的选择机制

从７２２个果蝇基因中,选出了３２４个内含子作为分析３＇剪接位点的选择机制的研究对象,结果表明Ｓｍｉｔｈ的扫描选择机制表述为＇＇３＇剪接位点是一致新闻记者基架上分支点和多嘧啶区下游的优势ＡＧ＇＇更合理,对于ＯＲＦ约束在生物学操作上的含义作了必要的讨论。     

mRNA前体的选择性剪接

人类基因组草图已基本完成 ,预测人类约有 350 0 0个编码蛋白质的基因 ,只是线虫或果蝇的 2倍[1] 。人类是怎样完成其复杂的生物功能 ?越来越多的证据表明选择性剪接在扩大蛋白质的多样性中发挥重要作用 ,并且有助于解释基因数目与生物复杂程度两者的不一致性。选择性剪接能够从一个基因产生多个转录本 ,从而产生远多于基因数目的蛋白质 ,完成机体的复杂功能及精细调节。1 .ｍＲＮＡ选择性剪接的普遍性目前根据ＥＳＴｓ分析 ,在人类 350 0 0个基因中大约有 40 %的基因具有选择性剪接的形式[1] 。尽管这个数目让人惊讶 ,但这个数目可能比实际…     

mRNA前体的剪接因子

真核生物通过mRNA前体的剪接,包括选择性剪接机制,调控着自身的生长与发育,了解其基本过程和有关参与因子,对进一步探索真核生物基因的表达调控和分子进化都具有极其重要的意义.该文简要综述了mRNA前体剪接的基本过程及有关剪接因子的最新研究进展,介绍了SR蛋白（Ser-Arg rich protein）家族因子、某些新发现的参与形成核不均一核糖核蛋白（heterogeneous nuclear ribonucleoprotein,hnRNP）的因子及部分：RNA解旋酶等在mRNA前体剪接过程中的功能和作用.     

分支位点在真核基因受体位点识别中的作用

真核基因受体位点识别是剪接位点识别的一部分,也是基因识别中的重要环节,一直受到研究人员的关注。已有的研究结果显示受体位点的识别与分支位点有关,然而关于分支位点和受体位点识别的关系问题,目前还无人将其作为专门的问题予以深入研究。从受体位点识别出发,选取不同的受体位点序列长度,以神经网络为识别工具,对分支位点在受体位点识别中的作用做了深入研究和分析。实验结果表明,受体位点序列的特征信息集中在分支位点一例,因此分支位点在受体位点识别中具有重要作用。研究结果为受体位点识别问题中序列特征提取提供了依据。     

用人工神神经网络法辨识发酵动力学模型参数

本文提出发酵动力学模型参数辩识的人工神经网络方法,并对几种典型的模型进行了具体尝试,结果表明,用这种方法估计参数效果极好。     

基于神经网络的复介电常数重建算法

提出将一种神经网络的方法应用于微波断层成象,重建复的介电常数图象。微波断层成象发展了二十多年,仍然处于实验阶段,这是因为必须求解逆散射问题,它具有非适应性和非线性。为了改善其非适应性及非线性,引入适当的正则化过程并且应用神经网络的方法来求解这个问题。数值模拟实例证明了此方法的有效性。     

预测蛋白质二级结构的人工神经元网络方法

本文独立地建立了用人工神经元网络预测蛋白质二级结构的方法,并通过分析我们提出的分布矩阵(表达每一类构象被预测成所有各类构象的可能性的矩阵),对于这一方法的误差以及造成误差的可能的原因进行了较过去更为深入的分析.并在此基础上提出了一种修正的学习方法,结果对于规则二级结构(α螺旋和β折叠)的预测精度和相关系数均有提高.     

丝氨酸-精氨酸蛋白激酶对剪接因子调节作用的研究

目的 研究丝氨酸-精氨酸蛋白激酶（Serine＼arginine protein-specific kinase,SRPK)对剪接子在哺乳动物细胞核内定位的调节作用。方法 转染SRPK1和SRPK2的细胞系通过免疫荧光染色在显微镜下观察剪接因子在胞核内的定位,结果在转染了SRPK1和SRPK2的细胞中,SRPK1和SRPK2的绿色荧光信号可见于胞浆及胞核中,剪接因子以核斑点的形式集中在未转染SRPK1和SRPK2的细胞中,而弥散性分布于表达SRPK1和SRPK2的细胞中。结论 SRPK家族蛋白激酶可调节剪接因子在核内的重新分布。     

病毒基因组启动子识别的人工神经网络方法

本文运用神经网络方法,并结合病毒基因分子生物学有关理论与统计事实,对病毒基因启动子区域进行了识别,文中选择了共35个基因组,作为研究对象．学习组选择了28个基因组,预测组选择了7个基因组,结果表明,将神经网络模型与病毒基因有关理论相结合,能够运用计算方法,以大量的可能启动子组合中排列出唯一的启动子区域．     

动态神经元网络模型的复杂性问题

在动态神经元网络模型中,当神经元总数仅为３时就观察到了非周期振荡。运用Ｌｅｍｐｅｌ和Ｚｉｖ提出的复杂性度量对这种现象进行了分析,结果表明对于其中一个神经元所发出的脉冲序列来说,至少直到１０００个脉冲为止还不能发现任何的周期性,并且其复杂性可以和由ｌｏｇｉｓｔｉｃ映射所产生的时间序列当其参数落在混沌区中时所具有的复杂性相比拟．这些结果也表明这种方法是所观察的时间范围内区分长周期振荡和非周期活动的好方法。结果还提示神经生理实验记录中所谓的噪声,其中有些可能是来源于生物神经元本身的非线性性质。     

真核基因PolyA信号的人工神经网络识别研究

本文采用神经网络方法对真核基因的PolyA信号进行识别．文中选择了人类、牛、猪、猫、山羊、兔、绵羊、大鼠、小鼠、小马、鸡、仓鼠共12种真核生物的270个基因组作为研究对象，训练组包括230个基因，预测组包括40个基因．结果表明，结合PolyA上游的碱基顺序特异性（紧挨PolyA的上游地GC），可以从神经网络识别的大量可能PolyA信号中得到正确PolyA信号．     

使用人工神经元网络方法预测蛋白质分子主链的二面角

本文使用人工神经元网络预测蛋白质分子主链的二面角,通过分别学习所有残基,成规则二级结构的残基,无规线团的二面角,结果表明由蛋白质分子的一级序列出发预测主链二面角,对于α螺旋成功率最高,β折叠次之,而无规线团的二面角和其一级序列相关很小,故难以预测.     

短时记忆的神经网络模型

提出一个带有指针环路的短时记忆神经网络模型,模型包含两个神经网络,其中一个是与长时记忆共有的存贮内容表达网络,另一个为短时指针神经元环路,由于指针环路仅作为记忆内容的临时指针,因此,仅用很少的存贮单元即可完成各种短时记忆任务,计算机仿真证明,本模型确能表现出短时记忆的存贮容量有限和组块编码两个基本特征。