DOI：10.3969/j.issn.1672-3872.2024.22.017
作 者：李 鑫 （新疆农业大学计算机与信息工程学院，新疆 乌鲁木齐 830052）
摘 要：【目的】长链非编码RNA（Long non-coding RNAS, lncRNAS）在调节生物活性的过程中具有十分重要的作用，能有效地从转录组数据中鉴别出lncRNA，对研究各类生物过程具有重要意义。目前用于鉴定lncRNA的传统实验方法既耗时又昂贵，亟待提出更为高效的lncRNA鉴定方法。【方法】文章提出了基于深度学习的lncRNA鉴别方法，将卷积神经网络（Convolutional Neural Network, CNN）和双向长短期记忆网络（Bidirectional Long Short-Term Memory, Bi-LSTM）方法相融合，并使用其对lncRNA进行识别。本研究使用构建的番茄lncRNA数据集经过p-nts编码后分别以CNN、LSTM、Bi-LSTM、LSTM+CNN、Bi-LSTM+CNN五种方法采用五折交叉验证进行测试。【结果】在公共数据库中的番茄lncRNA数据得到了93%以上的识别准确率。相比传统的特征工程方法，深度学习模型具有自动提取特征的优势，能够更好地捕捉序列之间的关系特征。【结论】将模型融入到可视化界面之中，为用户的使用提供了极大的便利。
关键词：lncRNA；深度学习；双向长短期记忆网络；卷积神经网络
引文信息：[1]李鑫.基于深度学习的植物lncRNA预测软件的实现[J].南方农机，2024，55(22)：65-68.
查看全文请下载PDF文件↓
