基于卷积神经网络的基因剪接位点预测

作者：李国斌; 杜秀全; 李新路; 吴志泽

来源：盐城工学院学报(自然科学版), 2020, 33(02): 20-24.

DOI：10.16018/j.cnki.cn32-1650/n.202002004

• 深度学习
• 卷积神经网络
• 剪接位点预测
• K-MER编码

研究剪接位点可以更深入地探索剪接机制和基因预测方法,准确预测剪接位点至关重要。基于深度学习技术提出一种新的预测方法,无需人工提取样本特征,以基因序列的K-MER编码向量作为输入,采用训练后的卷积神经网络(CNN)模型进行预测。基于人类基因HS3D供体数据集,与传统机器学习方法进行预测比较,结果表明预测模型的主要性能指标,包含马修斯相关系数(MCC)、灵敏度(SN)均超过传统的机器学习方法。

• 单位
  安徽大学; 合肥学院