Модель circ2CBA для предсказания сайтов связывания circRNA с белками
Взаимодействие между циркулярными РНК (circRNAs) и РНК-связывающими белками (RBPs) связано со многими заболеваниями, особенно с раком. Понимание механизма этого взаимодействия и предсказание их сайтов связывания критически важно.
Новое исследование, опубликованное в Frontiers of Computer Science, предлагает метод предсказания этих сайтов связывания, используя только последовательность circRNAs.
Авторы предложили новую модель на основе глубокого обучения под названием circ2CBA, которая учитывает контекстную информацию между нуклеотидами последовательности circRNAs и важную информацию о весе позиций. Результаты сравнительных и абляционных экспериментов показывают, что circ2CBA эффективна.
Как работает circ2CBA
Модель использует только информацию о последовательности circRNAs для предсказания сайтов связывания с RBPs.
Последовательности circRNA были получены из базы данных CircInteractome, для построения набора данных выбрали восемь RBPs.
Метод one-hot используется для кодирования последовательностей circRNA, которые подаются в модель как входная информация.
Архитектура модели:
- Два слоя CNN извлекают локальные особенности circRNAs и увеличивают воспринимающее поле.
- Сеть BiLSTM захватывает контекстно-зависимую информацию между нуклеотидами последовательности.
- Слой внимания присваивает разные веса матрице признаков.
- Двухслойный полносвязный слой и функция softmax дают итоговый прогноз.
Результаты
- Сравнительные эксперименты с другими методами и абляционные эксперименты на одном наборе данных подтвердили эффективность circ2CBA.
- Анализ мотивов исследовал причину значительного улучшения производительности circ2CBA на некоторых поднаборах данных.
Экспериментальные результаты показывают, что circ2CBA — эффективный метод для предсказания сайтов связывания circRNA-RBP.