基于LSTM的核小体序列可分类性分析

核小体是染色体的基本结构单元。将核小体序列和非核小体序列预处理为时间序列数据，利用LSTM(long short-term memory network)进行迭代训练和长、短程特征学习，得到的LSTM模型可以实现核小体序列92.67%的识别准确率。研究表明，核小体序列与非核小体序列具有不同的特征，并且核小体序列具有高度可分类性。基于核小体序列的高度可分类性，可以实现核小体序列与非核小体序列的判断识别，这对于核小体定位及其动态性、基因转录调控、DNA复制与修复和DNA序列的功能及进化等的研究具有一定的生物学意义和价值。