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

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.

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

所属期刊栏目：48

分类号：TP391;Q52(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2021-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：328-335