| 基于卷积神经网络的基因剪接位点预测 |
| |
| 作者姓名： | 李国斌 杜秀全 李新路 吴志泽 |
| |
| 作者单位： | 合肥学院 人工智能与大数据学院, 安徽 合肥 230601,安徽大学 计算智能与信号处理教育部重点实验室, 安徽 合肥 230601; 安徽大学 计算机科学与技术学院, 安徽 合肥 230601,合肥学院 人工智能与大数据学院, 安徽 合肥 230601,合肥学院 人工智能与大数据学院, 安徽 合肥 230601 |
| |
| 摘 要： | 研究剪接位点可以更深入地探索剪接机制和基因预测方法,准确预测剪接位点至关重要。基于深度学习技术提出一种新的预测方法,无需人工提取样本特征,以基因序列的K-MER编码向量作为输入,采用训练后的卷积神经网络(CNN)模型进行预测。基于人类基因HS3D供体数据集,与传统机器学习方法进行预测比较,结果表明预测模型的主要性能指标,包含马修斯相关系数(MCC)、灵敏度(SN)均超过传统的机器学习方法。
|
| 关 键 词： | 深度学习 卷积神经网络 剪接位点预测 K-MER编码 |
| 收稿时间： | 2019-12-24 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《盐城工学院学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《盐城工学院学报(自然科学版)》下载免费的PDF全文 |
|
