论文解读：6mA-Pred: identifying DNA N6-methyladenine sites based on deep learning

---

数据可用性：
关于数据的可得性，提供了下列资料:
原始数据： link.
代码： link.
一个用于预测6mA站点的Web服务器：link
DOI 10.7717/peerj.10813

摘 要

随着6mA修饰位点数据的积累，越来越多的学者开始关注6mA位点的识别。尽管人们认识到6mA位点的重要性，但对其进行鉴定的方法仍然缺乏，现有的大多数方法都是针对单个物种进行鉴定。本研究旨在建立一种适用于多种植物的鉴定方法。在前人研究的基础上，我们提出了一种6mA位点识别方法。实验证明，本文提出的6mA- pred方法可以有效地鉴定水稻、小家鼠和人类等类群基因中的6mA位点。一系列实验结果表明，6mA-Pred是一种很好的方法。我们提供了研究中使用的源代码，可以从 http://39.100.246.211:5004/6mA_Pred/获得。

---

一、介绍

DNA修饰位点在多种生物过程中起着至关重要的作用，越来越受到人们的关注。甲基化仍然是表观遗传学的一个热点话题，5mC甲基化已被广泛研究。随着测序技术的进步，6mA甲基化逐渐受到越来越多的关注。6mA甲基化不仅影响基因表达，还调控动植物的发育。许多疾病，包括癌症，都与6mA甲基化有关。随着6mA甲基化相关研究的进展，收集了大量的数据。然而，目前还缺乏有效的6mA位点识别方法。
修饰位点的识别方法一直是生物信息学研究的热点。研究了多种方法，取得了良好的效果。==虽然对4mC 和5mC的研究已经成熟，但对6mA修饰位点的识别研究才刚刚开始。采用i6mA-Pred计算方法对水稻基因组中6mA修饰位点进行了高精度的鉴定。目前已经提出了几种鉴定水稻基因组中6mA位点的方法，如MM-6mAPred、iDNA-6mA-rice、SDM6A 、i6mA-DNCP 和SNNRice6mA 。此外，鉴别小家鼠和人类6mA位点的方法也逐渐出现，如iDNA6mA-PseKNC 、csDMA 、SICD6mA和6mA- finder ==。一些数据集是公开可用的，许多理想的特征和模型已经被提出。特征算法NCP和one-hot、特征融合和深度学习方法的应用大大加快了6ma修改的位点识别。其中SVM和RF算法表现出稳定的性能，在部分数据集上表现良好。此外，Markov模型在预测水稻基因组6mA位点方面取得了良好的效果。在特征方法的应用中，大多数研究者采用多种特征融合方法，分析各种特征。总的来说，不同的方法都取得了很好的效果，为后续的研究提供了方向。
在上述研究中，大多数方法都使用了机器学习，并详细分析了不同的特征方法。有一些很好的模型使用深度学习方法，如SNNRice6mA和SICD6mA。SNNRice6mA使用CNN 来构建一个工作良好的网络。SICD6mA利用GRU实现了良好的网络结构，已广泛应用于两个物种的数据集。在本文中，通过总结以往的研究工作，我们发现LSTM+Attention可以很好地识别修饰位点，大量的实验结果表明这是一种很好的方法。
三个数据集都使用CD-HIT来消除冗余。利用CD