科研之友
微信
新浪微博
Facebook
分享链接
摘要
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。
- 单位
