基于多维度卷积神经网络的m7G位点识别OACSTPCD
N7-甲基鸟苷(N7-methylguanosine,m7G)修饰在RNA修饰中普遍存在,识别m7G位点对认识m7G功能和深入了解人类疾病具有重要意义.目前关于m7G位点的识别方法大多基于传统机器学习,需要手动输入筛选最优特征,存在特征冗余问题.为了解决以上问题,提出一种多维度卷积神经网络,该方法基于卷积神经网络构建,并在卷积的基础上增加空间空洞卷积层,采用空洞空间卷积池化金字塔模块获得多尺度序列信息特征,以扩大模型的感受野,使得提取的特征更加全面.基于相同的m7G位点序列数据,将多维度卷积神经网络模型的m7G位点预测能力与几种已有算法进行比较,结果表明,多维度卷积神经网络模型的预测性能优于现有算法.
王煜;李慧敏;唐轶;胡梦;陈鹏辉;
云南民族大学数学与计算机科学学院,云南昆明650500
计算机与自动化
多维度卷积神经网络空洞卷积m7G甲基化深度学习
《云南民族大学学报（自然科学版）》 2024 (006)
P.753-759,785 / 8
国家自然科学基金(61866040);云南省研究生优质课程建设项目(云学位[2022]8号);云南民族大学数学与计算机科学学院研究生科研项目(SJXY-2021-015)。
评论