科研之友
微信
新浪微博
Facebook
分享链接
摘要
DNA N4-胞嘧啶甲基化(N4-methylcytosine, 4mC)是一种重要的表观遗传修饰，能在基因表达、细胞修复、DNA复制及保护等方面发挥作用.机器学习算法在预测4mC位点时，一个重要的环节是特征提取，为更充分地提取数据特征，进一步提高4mC位点的预测准确率，提出了一种基于双层卷积神经网络的4mC位点预测模型.首先，将序列数据进行特征编码，搭建具有双卷积层和双池化层的卷积神经网络模型，采用L2范式正则化避免模型过拟合，并采用10折交叉验证保证模型预测的稳定性；其次，对模型参数进行调试，选取预测能力较高的参数组合进行模型训练；最后，将模型的4mC位点预测能力与几种已有算法进行比较.结果表明，双层卷积神经网络模型具有较好的预测性能和鲁棒性，优于基于一般机器学习和单层卷积神经网络的4mC位点预测算法，有效提高了4mC位点的预测能力.
- 单位
