基于深度学习的RNA二级结构预测研究-论文-万方医学网

基于深度学习的RNA二级结构预测研究

二维码有效期 120s

收藏纠错

摘要RNA是生物遗传信息的中间载体，在基因编码、解码、调控和表达等方面具有重要作用。RNA二级结构预测是理解RNA生化功能的主要途径。假结是最广泛的RNA结构单元，带假结RNA二级结构预测难度大，已被证明是一个NP完全问题。<br>　　热力学模型是经典的RNA二级结构预测方法，搜索能量打分最低的RNA二级结构。结合RNA碱基配对概率，我们提出两种改进的结构预测方法，设计并实现了一种并行的带假结RNA二级结构预测方法。热力学模型能快速得到合理的RNA二级结构，但容易陷入局部最优并且受热力学参数的影响。<br>　　深度学习具备强大的特征挖掘能力，可以突破热力学模型的限制。双向递归神经网络能学习到前后两个方面积累的特征信息，适用于RNA序列深度建模。本文研究并实现了基于递归神经网络的定长RNA二级结构预测模型和变长RNA碱基配对约束预测模型，将得到的配对约束与并行蚁群系统结合，实现了一种新的RNA二级结构预测方法。与常见的预测方法相比，深度学习模型在经典测试集上可以有效地提高带假结RNA二级结构预测的精度18%左右。<br>　　RNA二级结构预测包含多个流程，结构挑选是必要的后处理环节。本文基于谱聚类算法提出了一种结构挑选方法，实验表明挑选效果优于能量打分的方式。