Прогнозирование регуляторных мишеней прокариотической РНК с помощью глубокого машинного обучения

Abstract

Малые регуляторные РНК широко распространены у прокариотов, причем наиболее изученное семейство из этих не кодирующих генов соответствует транс-действующим регуляторам, которые связываются с их мишенями путем парного взаимодействия оснований. Учитывая увеличивающуюся частоту идентификации этих генов, важно, чтобы методы для выявления их регуляторных целей не отставали. В данной статье исследуются взаимодействия между малыми РНК и их целями с использованием подхода глубокого машинного обучения. Получена метрика качества AUC, равная 0,906. Модель в данной работе обучается на том же наборе данных, что и алгоритм TargetRNA3, и демонстрирует лучшее качество классификации по сравнению с последним