基于序列模式深度挖掘的微小RNA亚细胞定位研究

论文摘要

微小RNA（miRNA）是动物和植物中存在的一种长度约为22个核苷酸的非编码RNA,它在生物体的生命活动中参与了多种细胞过程,包括生物体内的发育、增殖、分化和代谢,并在转录后基因调控中发挥重要的作用。因为其对基因调控有重要的影响,miRNA在生物医疗领域也有重要的意义,特别是在许多复杂疾病中,miRNA已被证明是预后生物标记物和药物靶标。最近的一些研究发现miRNA可以靶向各种细胞区室,并且在细胞中具有丰富的定位模式。然而,据我们所知,迄今为止还没有用于预测miRNA亚细胞位置的计算工具,主要原因是缺乏有用的信息来源,在很大程度上限制了使用传统统计学习方法的预测性能。我们对miRNA亚细胞分类模型的各个模块进行了分析。首先针对输入miRNA序列的表示方式,探讨了多种分词和序列表示方式;其次针对输出的标记序列化,探讨了常见多标记分类的做法,并提出了一种基于熵的排序方法;最后针对miRNA稀缺的生物特征的问题,介绍了一种计算miRNA基因本体相似度的方法,并使用矩阵分解技术提取出miRNA的基因本体特征表示。在本研究中将miRNA亚细胞定位任务视为一种序列到序列学习过程,并提出了基于注意力机制的编码器-解码器模型miRLocator来识别人类的miRNA亚细胞位置。本文所设计的miRLocator使用双向长短期记忆（BiLSTM）模块对输入序列进行编码,使用LSTM模块将这些上下文向量解码为亚细胞位置集合。具体而言,本文提出了 RNA2Vec这种新的RNA编码方法,还提出了基于熵的方法来确定亚细胞的输出顺序表示,并加入了生物领域特征来提升模型性能。实验结果表明,miRLocator在输入信息有限的情况下实现了良好的预测精度,并且优于其它使用人工设计的特征和传统的RNN模型。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
•   1.1 研究背景及意义
•   1.2 课题研究内容
•   1.3 课题难点
•   1.4 本文组织结构
• 第二章 序列特征提取研究现状
•   2.1 基于生物领域知识的统计特征方法
•     2.1.1 K元组核苷酸组成
•     2.1.2 基于伪核糖核苷酸组成的方法
•     2.1.3 基于结构组成的方法
•   2.2 RNA序列编码方法
•     2.2.1 One-hot编码方式
•     2.2.2 连续分布式表示
•   2.3 本章小结
• 第三章 多标记学习与深度学习
•   3.1 多标记学习
•     3.1.1 任务定义
•     3.1.2 评价指标
•     3.1.3 常见的多标记算法
•   3.2 神经网络与深度学习
•     3.2.1 神经网络简介
•     3.2.2 反向传播算法
•     3.2.3 循环神经网络
•   3.3 本章小结
• 第四章 一种基于序列到序列框架的miRNA亚细胞定位模型
•   4.1 对输入序列的处理
•     4.1.1 计算miRNA序列的最大词长
•     4.1.2 候选词打分方法
•     4.1.3 miRNA的稠密词向量表示
•   4.2 对输出顺序的处理
•     4.2.1 分类链算法
•     4.2.2 输出序列化
•   4.3 对生物领域特征的使用
•     4.3.1 miRNA GO相似度算法
•     4.3.2 矩阵分解
•   4.4 对模型的整体设计
•     4.4.1 模型编码模块
•     4.4.2 模型解码模块
•     4.4.3 束搜索模块
•     4.4.4 注意力机制模块
•   4.5 本章小结
• 第五章 数据集构建与实验分析
•   5.1 实验数据集的构建
•   5.2 实验设置
•   5.3 模块有效性分析
•     5.3.1 序列编码方式的有效性
•     5.3.2 序列分词方式的有效性
•     5.3.3 多标记输出顺序的有效性
•   5.4 实验结果与分析
•   5.5 本章小结
• 全文总结
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文
• 攻读学位期间参与的项目

文章来源

类型: 硕士论文

作者: 肖逸群

导师: 杨旸

关键词: 亚细胞定位,序列到序列框架

来源: 上海交通大学

年度: 2019

分类: 基础科学,信息科技

专业: 生物学,自动化技术

单位: 上海交通大学

分类号: Q522;TP18

DOI: 10.27307/d.cnki.gsjtu.2019.002779

总页数: 81

文件大小: 3704K

下载量: 14