文献类型：期刊文章

作　　者：孙凯[1] 魏庆功[1] 臧超禹[1] 孙如轩[1] 姜丹[1] 孙晓勇[1]

SUN Kai;WEI Qing-Gong;ZANG Chao-Yu;SUN Ru-Xuan;JIANG Dan;SUN Xiao-Yong(College of Information Science and Engineering,Shandong Agricultural University,Tai'an 271000,China)

机构地区：[1]山东农业大学信息科学与工程学院农业大数据研究中心,泰安271000

出　　处：《生物化学与生物物理进展》

基　　金：国家自然科学基金(32070684,31571306)资助项目。

年　　份：2021

卷　　号：48

期　　号：3

起止页码：328-335

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCIE、SCOPUS、WOS、ZGKJHX、核心刊

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

分 类 号：TP391] Q52[计算机类]