换一批基于多尺度卷积神经网络的CRISPR/Cas9脱靶预测方法
Prediction of CRISPR/Cas9 off-target activity using multi-scale convolutional neural network
摘要规律成簇的间隔短回文重复序列/CRISPR相关蛋白9(clustered regularly interspaced palindromic repeats/CRISPR-associated protein 9,CRISPR/Cas9)是新一代基因编辑技术,该技术依靠单向导RNA识别特定基因位点,并引导Cas9核酸酶对特定位点进行编辑.然而,该技术存在脱靶效应限制了其发展.近年来,运用深度学习辅助CRISPR/Cas9脱靶预测研究是一个新兴的思路,有助于研究者实现更高效安全的基因编辑和基因治疗.而现有的深度学习模型对脱靶预测的准确性仍有提高空间.为此,本文基于多尺度卷积神经网络提出CnnCRISPR模型预测CRISPR/Cas9的脱靶情况.首先,将向导RNA和DNA序列分别进行独热编码,再将两个二值矩阵按位进行或运算.其次,将编码后的序列输入基于Inception模块的网络进行训练和验证分析.最后,输出向导RNA和DNA序列对的脱靶情况.在公开数据集上的实验结果表明,CnnCRISPR模型的性能优于现有的深度学习脱靶预测模型,为脱靶问题的研究提供了有效且可行的方法.
更多相关知识
栏目名称
DOI
10.13345/j.cjb.230382
发布时间
2024-11-25（万方平台首次上网日期，不代表论文的发表时间）
- 浏览2
- 被引8
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
