检索结果-南通市图书馆

作者：王宏宇吉林大学

学位级别：硕士

作为一种潜在的关键生物调控层,lnc RNA是存在于生命体中的一种具有重要作用的非编码RNA分子,其长度大于200个核苷酸且不包含或含有较短的开放阅读框（Open Reading Frame,ORF）。所有种类的lnc RNA都在一个范围内参与了发育过程和疾病... 详细信息

作为一种潜在的关键生物调控层,lnc RNA是存在于生命体中的一种具有重要作用的非编码RNA分子,其长度大于200个核苷酸且不包含或含有较短的开放阅读框（Open Reading Frame,ORF）。所有种类的lnc RNA都在一个范围内参与了发育过程和疾病的发生发展,这些lnc RNA的突变和调节异常会对人体各种复杂的疾病产生影响,同时也对植物春化作用及其抗病虫害能力等方面有一定的调控作用。lnc RNA功能下潜在的新兴的调控机制说明lnc RNA是通用的调控分子。目前,在lnc RNA研究的过程中面临的主要问题是lnc RNA如何行使其调控作用以及lnc RNA与对应靶分子的相互作用机制是什么。同时,相比于lnc RNA在人类癌症中的调控作用,关于lnc RNA在植物领域的研究成果相对较少,其调控机制因此不为人知。本文为有效识别植物lnc RNA序列,通过结合统计学与计算生物学方法,在已知植物lnc RNA的结构特征和植物flc DNA序列的基础上,构建植物lnc RNA数据识别模型。首先,本文收集目标植物中已知的lnc RNA,对这些lnc RNA的结构进行预测和特征分析,找到该物种下lnc RNA的共同结构特征,作为后续lnc RNA序列识别的筛选条件;然后,本文收集目标植物的flc DNA序列数据,并按序列长度进行一次筛选,得到序列长度大于200nt的初级lnc RNA候选序列;其次,本文对已有lnc RNA的ORF大小进行统计分析,按lnc RNA的平均ORF大小进行二次筛选,得到符合预设lnc RNA ORF阈值大小的次级lnc RNA候选序列;由于与已知蛋白的同源性是另一种蛋白编码能力的体现,所以下一步将二次筛选得到的候选序列与权威数据库中已注释的非冗余蛋白序列进行比对,降低假阳性样本的出现,根据e-value的值得到经过第三次筛选的lnc RNA候选序列;再次,将这些候选序列与已知的非编码小分子RNA进行序列比对,以过滤掉可能作为非编码小分子RNA前体的序列;最后,利用前期得到的植物lnc RNA结构特征,对剩余lnc RNA候选序列进行最后一次筛选,得到最终的预测结果。经过上述步骤,可以得到识别出的lnc RNA,并以此为依据,在今后的研究中可能为lnc RNA在植物中的调控作用和调控机制提供一种合理的假设及解释。通过这种植物lnc RNA序列识别模型,利用已知的植物lnc RNA数据和已有植物flc DNA数据,可以找到更多可能的植物lnc RNA,为丰富植物lnc RNA提供一种有效途径。希望通过本文的研究,能够从本质上揭示植物lnc RNA在植物从胚芽到植株发展过程中的潜在调控机制和作用,为今后对植物预防虫类灾害,提高植物抗旱抗寒能力等研究提供理论上的借鉴。

关键词： lncrna lncrna识别序列特征结构特征

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多模态深度神经网络的lncrna识别

基于多模态深度神经网络的lncRNA识别

作者：王楠湘潭大学

学位级别：硕士

随着新一代测序技术的高速发展,人们可以在短时间内得到大量的原始生物序列,其中就包含非编码RNA序列。非编码RNA(non-coding RNAs,nc RNAs),是指不能翻译为蛋白质的RNA,长非编码RNA(long non-coding RNAs,lnc RNAs)是长度大于200个核... 详细信息

随着新一代测序技术的高速发展,人们可以在短时间内得到大量的原始生物序列,其中就包含非编码RNA序列。非编码RNA(non-coding RNAs,nc RNAs),是指不能翻译为蛋白质的RNA,长非编码RNA(long non-coding RNAs,lnc RNAs)是长度大于200个核苷酸的nc RNAs。Lnc RNA在细胞生长凋亡、疾病调控和遗传表达等方面发挥着重要的作用。从海量序列中精准识别出lnc RNA,可以为进一步研究lnc RNA的结构和功能奠定基础。本文选取人类和小鼠的lnc RNAs和蛋白质编码转录本(protein-coding transcripts,PCTs)平衡样本作为实验主数据集,选取果蝇和斑马鱼作为跨物种数据集,构建了基于卷积神经网络(CNN)与图卷积神经网络(GCN)的单模态和多模态模型用于识别lnc RNA。其中,单模态模型包括CNN和GCN模型,CNN模型分别作用于lnc RNA的一级序列和二级结构序列(以下简称CNN-First和CNN-Second);GCN模型作用于lnc RNA的二级结构平面图。多模态集成模型由CNN-First、CNN-Second和GCN三个模型通过投票的方式集成得到,集成模型可以同时提取lnc RNA的序列信息和平面结构信息。单模态和多模态模型均以五折交叉验证(5-CV)的方式在实验主数据集上进行训练测试,并将跨物种数据集作为独立数据集进行测试。同时,为了验证模型的鲁棒性,构建了基于主数据集的不平衡样本数据集以5-CV的方式进行训练测试。实验结果表明,在主数据集和跨物种数据集上,集成模型识别效果均显著优于单模态模型。其中,集成模型在人类主数据集上ACC值为93.51%,AUC值为96.07%,在小鼠主数据集上ACC值为94.64%,AUC值为95.55%。将集成模型与其他经典的lnc RNA识别方法进行对比,集成模型的识别结果也表现出了一定的优势。综合实验和对比结果,我们认为集成模型在lnc RNA识别问题上具有较高的准确度和可信度。

关键词： lncrna识别卷积神经网络图卷积神经网络集成模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的非编码RNA识别方法研究

基于深度学习的非编码RNA识别方法研究

作者：熊思琪西安理工大学

学位级别：硕士

高通量转录组测序技术有望发现新的蛋白质编码和非编码转录本序列,特别是从头测序技术获得的数据中识别长链非编码RNA(lncrna)。lncrna是一种长度大于200nt且不具备任何编码蛋白质能力的RNA序列。lncrna在许多阶段发挥着重要的生物学功... 详细信息

高通量转录组测序技术有望发现新的蛋白质编码和非编码转录本序列,特别是从头测序技术获得的数据中识别长链非编码RNA(lncrna)。lncrna是一种长度大于200nt且不具备任何编码蛋白质能力的RNA序列。lncrna在许多阶段发挥着重要的生物学功能,例如转录和生命过程的调控。从海量的基因组测序数据中准确地识别出lncrna,能够为日后探索其内部结构、功能预测打下基础。动植物lncrna由于其样本数量少、基因组注释差以及结构复杂,导致识别较为困难。本文基于深度学习算法,分别从动物和植物的RNA中识别出lncrna。本文的主要研究内容和创新点包括以下三个部分:(1)提出了基于注意力机制的lncrna识别方法。该方法基于软注意力机制和多层感知机,整合RNA序列的内在特征k-mer使用频率和ORF长度,构建“Lnc-Attention”分类模型识别人类的lncrna,在测试集上达到了 0.964的准确率,优于其他传统的基于机器学习分类算法和基于深度学习的分类算法,具有较高的识别准确率。(2)基于卷积神经网络提出了一种有效识别lncrna的方法,取名为“Coding-Net”分类方法。该方法提取RNA序列特征,直接输入到模型中进行训练,使用1×3非对称卷积核提取特征信息,提高了预测准确率,在人类数据集上达到了 0.993准确率,优于传统的基于机器学习和现有的基于深度学习的lncrna识别方法。此外,Coding-Net方法在跨物种预测上有较好的普适性,在五个物种上准确率均大于0.9。最后,该方法特别适用于灵长类动物,在该类动物上预测准确率均大于0.94。(3)基于Coding-Net分类方法提出了一种名为“PlantCoding-Net”模型预测植物的lncrna。该方法选用基因注释丰富的模式植物拟南芥作为训练数据集,采用基于深度学习的PlantCoding-Net分类方法识别植物lncrna。该模型在测试集上达到了 0.957的准确率,相比CPC2,PLEK和lncrnadeep方法识别准确率分别提高4.1、20和3.6个百分点。本文提出的基于深度学习的Lnc-Attention分类方法和Coding-Net分类方法均能有效地识别动物的lncrna,为进一步研究人类lncrna功能奠定了基础。提出的PlantCoding-Net分类方法可以准确地识别植物的lncrna,以便更好地理解植物基因组的功能和结构,从而为植物基因组的研究提供更深入的认识。本文提出的两种方法各有优势,Lnc-Attention分类方法适用于预测数据量较多的情况;由于Coding-Net方法模型网络结构更为复杂,训练时参数更多,预测所需时间和内存更多,适用于预测数据量较少的情况。

关键词： lncrna识别 k-mers 开放阅读框深度学习卷积神经网络注意力机制多层感

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习的长链非编码RNA识别研究

基于机器学习的长链非编码RNA识别研究

作者：李永民南京邮电大学

学位级别：硕士

随着高通量测序技术的快速发展,海量的基因测序数据被相关基因数据库收录,如何对这些海量的基因序列数据进行挖掘和分析是当前生物信息领域面临的重要问题。长链非编码RNA(Lnc RNA)作为一类重要的RNA分子,在人类各项生命活动中起着重要... 详细信息

随着高通量测序技术的快速发展,海量的基因测序数据被相关基因数据库收录,如何对这些海量的基因序列数据进行挖掘和分析是当前生物信息领域面临的重要问题。长链非编码RNA(Lnc RNA)作为一类重要的RNA分子,在人类各项生命活动中起着重要作用,如何准确识别Lnc RNA是当前生物信息学研究的热门问题。癌症是一类严重威胁当代人类健康的疾病,而Lnc RNA广泛参与癌症的发生和发展,识别癌症相关Lnc RNA,对于研究基因与癌症的关联关系以及诊断治疗癌症的有效生物标志物和靶标具有重要意义。本文基于人工智能领域先进的机器学习和深度学习算法,针对一般Lnc RNA识别以及癌症相关Lnc RNA识别展开相关研究。本文的研究工作和创新内容包括以下三个部分:(1)提出了AdaBoost-DT集成分类模型识别Lnc RNA。该方法基于AdaBoost集成学习结合决策树算法,通过整合转录本序列长度、GC含量及k-mer子序列频率这三类特征,构建的AdaBoost-DT集成分类模型识别Lnc RNA,在测试集上达到87.28%的识别准确率,高于其他采用传统机器学习算法的识别方法,具有较好的识别准确率。(2)基于卷积神经网络分类模型提出了一种有效的Lnc RNA识别方法——Lnc-CNN。Lnc-CNN方法通过对RNA序列数据集进行one-hot编码输入卷积神经网络,训练得到CNN分类模型,对RNA序列进行识别。Lnc-CNN方法不需要人工提取特征,降低了实验过程复杂度,提高了识别结果的准确率,在来源于GENCODE基因数据库的测试集上达到92.27%的识别准确率,识别准确率相比采用传统机器学习算法的AdaBoost集成学习识别方法提高7.87%,该方法对序列长度不是过短的RNA序列均有非常好的识别效果。(3)基于AdaBoost-DT集成分类模型提出了一种名为“Can Lnc-ADT”的癌症相关Lnc RNA识别方法。该方法整合表达特征、表观遗传特征、基因组特征和网络特征四类转录本序列特征,基于AdaBoost-DT集成分类模型识别癌症相关Lnc RNA,在测试数据集上达到94.32%的识别准确率,相比CRlnc RC、CRlnc RC2等最新的癌症相关Lnc RNA识别方法,识别准确率分别提高3.75%和2.71%。本文提出的AdaBoost-DT集成分类模型和Lnc-CNN方法均能有效识别Lnc RNA,为进一步研究Lnc RNA功能奠定基础。提出的Can Lnc-ADT方法可以准确识别癌症相关Lnc RNA,对进一步研究Lnc RNA在癌症发生和发展中的作用也具有重要意义。

关键词： lncrna识别集成学习卷积神经网络深度学习癌症