首页|基于语义特征向量的DNA与转录因子结合特异性预测

基于语义特征向量的DNA与转录因子结合特异性预测

BINDING SPECIFIC PREDICTION OF DNA AND TRANSCRIPTION FACTOR BASED ON SEMANTIC FEATURE VECTOR

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
基因表达的生物系统受到DNA和转录因子(Transcription Factor,TF)相互作用的调控,但是对于DNA和TF的结合机制,人们仍然不够了解.为此,提出一个结合深度学习和SVC的模型预测TF与DNA序列结合特异性,并将这一方法命名为semanticSVC.在ENCODE项目中的多个TF实验数据集的集合上进行深度学习模型训练,从而挖掘出跨越多个TF的全局语义特征.基于这些语义特征通过浅层学习模型SVC快速对目标任务构建预测模型,进行预测结果的可视化分析.与现有方法相比,该方法在预测结合特异性方面取得了更优的性能.

孙晓雨、权丽君、梅杰、黄立群、吕强

展开 >

苏州大学计算机科学与技术学院 江苏 苏州215006

江苏省计算机信息处理技术重点实验室 江苏 苏州215006

DNA特异性 转录因子 深度学习 SVC t-SNE降维 特征向量可视化 单点突变

国家自然科学基金苏州大学江苏省计算机信息处理重点实验室开放课题江苏高校优势学科建设工程项目

31801108KJS1843

2022

10.3969/j.issn.1000-386x.2022.02.008

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
年,卷(期)：2022.39(2)
  • 1