6mA-Pred:基于深度学习的DNA n6 -甲基腺嘌呤位点识别
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