人工智能在序列特异性预测研究中的应用
序列特异性分析介绍
基因序列特异性的预测无论是在基因分析领域还是基因调控领域都扮演着重要作色,DNA和RNA结合蛋白的特异性模式序列对致病基因的发现也具有指导性作用。然而随着分子生物学的发展,生物数据量呈现爆炸式增长,通过生物实验和统计分析来寻找序列特异性的传统方法已经很难从海量数据中挖掘出有用数据,且时间和人力成本也太高。
卷积神经网络在序列特异性分析中的应用
随着人工智能成熟与发展,被广泛的应用于生命科学研究。如卷积神经网络是近几年新兴的一种深度学习技术,目前在图像、语音识别及自然语言处理领域应用较广,发展较成熟。在序列特异性分析的过程中,重点在于模体识别问题中的模体序列预测模型,而使用卷积神经网络建立的序列预测模型,能够极大程度的提高模体预测能力。
人工智能在序列特异性预测中的应用
DNA和RNA结合蛋白特异序列在正常对照细胞以及疾病状态下的细胞(例如癌症和特定的遗传性疾病)中的分析至关重要。 序列特异性分析可以应用于以下领域:
RNA结合蛋白分析
DNA结合蛋白分析
基因调控研究
增强子分析
转录因子多样性分析
癌症和遗传疾病分析
药物靶点研究
参考文献:
1.Alipanahi, B, et al .Predicting the sequence specificities of DNA - and RNA - binding proteins by deep learning [J]. Nature Bi