点击次数：

论文类型：期刊论文

发表时间：2019-08-15

发表刊物：计算机研究与发展

收录刊物：PKU、EI

卷号：56

期号：8

页面范围：1652-1660

ISSN号：1000-1239

关键字：卷积神经网络;双向长短期记忆网络;miRNA-lncRNA;预测;深度学习

摘要：非编码RNA(ncRNA)在很多动植物生命活动方面起着重要的调节作用,而微小RNA(miRNA)与长非编码RNA(lncRNA)的相互作用更为重要,其互作关系的研究不仅有助于深入分析基因间生物学功能,也可为疾病的诊治和植物的遗传育种方面提供新思路.目前,miRNA-lncRNA互作关系的预测大多使用生物实验和传统机器学习方法.由于生物鉴定代价高耗时长和机器学习涉及过多人工干预且特征提取过程复杂,在此提出一种融合卷积神经网络(convolutional neural network,CNN)和双向长短期记忆网络(bidirectional long short-term memory network,Bi-LSTM)的深度学习模型,兼备两者优势,既考虑序列间信息相关性和结合上下文信息,又能充分提取序列数据的特征.采用交叉检验评估模型性能,在玉米数据集上与传统机器学习方法和单一模型比对,取得较优的分类效果.另外,采用马铃薯和小麦数据集进行模型测试,准确率分别达到95％和93％以上,验证了模型具有良好的泛化能力.