Predicting the Results of RNA Molecular Specific Hybridization Using Machine Learning

Predicting the Results of RNA Molecular Specific Hybridization Using Machine Learning

论文摘要

Ribonucleic acid(RNA) hybridization is widely used in popular RNA simulation software in bioinformatics. However limited by the exponential computational complexity of combin atorial problems, it is challenging to decide, within an acceptable time, whether a specific RNA hybridization is effective. We hereby introduce a machine learning based technique to address this problem. Sample machine learning(ML) models tested in the training phase include algorithms based on the boosted tree(BT)random forest(RF), decision tree(DT) and logistic regression(LR), and the corresponding models are obtained. Given the RNA molecular coding training and testing sets, the trained machine learning models are applied to predict the classification of RNA hybridization results. The experiment results show that the op timal predictive accuracies are 96.2%, 96.6%, 96.0% and 69.8%for the RF, BT, DT and LR-based approaches, respectively, un der the strong constraint condition, compared with traditiona representative methods. Furthermore, the average computation efficiency of the RF, BT, DT and LR-based approaches are208 679, 269 756, 184 333 and 187 458 times higher than that o existing approach, respectively. Given an RNA design, the BT based approach demonstrates high computational efficiency and better predictive accuracy in determining the biological effective ness of molecular hybridization.

论文目录

文章来源

类型: 期刊论文

作者: Weijun Zhu,Xiaokai Liu,Mingliang Xu,Huanmei Wu

来源: IEEE/CAA Journal of Automatica Sinica 2019年06期

年度: 2019

分类: 信息科技,基础科学

专业: 生物学,自动化技术

单位: the School of Information Engineering,Zhengzhou University,the School of Mathematics and Statistics, Zhengzhou University,the School of Informatics and Computing, Indiana University-Purdue University Indianapolis

基金: supported by the National Natural Science Foundation of China(U1204608,61472370,61672469,61822701)

分类号: TP181;Q522

页码: 1384-1396

总页数: 13

文件大小: 2121K

下载量: 17

相关论文文献

  • [1].长链非编码RNA、焦亡和心肌缺血-再灌注损伤[J]. 生物化学与生物物理进展 2019(12)
  • [2].非小细胞肺癌的潜在生物标记物:长链非编码RNA[J]. 现代肿瘤医学 2020(01)
  • [3].非编码RNA在细胞自噬中的研究进展[J]. 中国生物工程杂志 2019(12)
  • [4].环状RNA影响肝疾病的发生发展[J]. 中国生物化学与分子生物学报 2019(12)
  • [5].环状RNA在肝细胞癌中的作用及机制[J]. 中国生物化学与分子生物学报 2019(12)
  • [6].环状RNA在胃癌中的研究进展[J]. 生物技术通讯 2019(06)
  • [7].西花蓟马不同RNA干扰技术比较研究[J]. 福建农业学报 2019(10)
  • [8].微小RNA在非酒精性脂肪肝病中调控作用的研究进展[J]. 重庆医科大学学报 2019(12)
  • [9].卵巢上皮性癌中RNA结合基序蛋白3及环氧化酶-2的表达与意义[J]. 医疗装备 2019(23)
  • [10].非编码RNA在周围神经损伤修复中的重要角色和作用[J]. 中国组织工程研究 2020(14)
  • [11].长链非编码RNA在鼻咽癌中的研究进展[J]. 中国医药 2020(01)
  • [12].微小循环RNA在鉴别前列腺增生和前列腺癌的有效性分析[J]. 临床泌尿外科杂志 2020(01)
  • [13].长链非编码RNA调控肝纤维化信号通路的研究进展[J]. 胃肠病学 2019(11)
  • [14].环状RNA在肺腺癌中的差异表达分析[J]. 东南大学学报(医学版) 2019(06)
  • [15].环状RNA调控结肠直肠癌的研究进展[J]. 外科理论与实践 2019(06)
  • [16].RNA干扰药物——下一代治疗药物?[J]. 科学通报 2020(07)
  • [17].环状RNA生物学功能及其在组织修复过程中的作用[J]. 中国组织工程研究 2020(17)
  • [18].Deep Learning Deciphers Protein–RNA Interaction[J]. Genomics,Proteomics & Bioinformatics 2019(05)
  • [19].CIRCexplorer3:A CLEAR Pipeline for Direct Comparison of Circular and Linear RNA Expression[J]. Genomics,Proteomics & Bioinformatics 2019(05)
  • [20].环状RNA在冠状动脉粥样硬化性心脏病中的研究进展[J]. 心血管病学进展 2019(09)
  • [21].心肌纤维化研究的新领域——长链非编码RNA[J]. 心血管病学进展 2019(09)
  • [22].长链非编码RNA及相关调控通路与急性心肌梗死的研究进展[J]. 心血管病学进展 2019(08)
  • [23].微小RNA在自身免疫性甲状腺疾病中的研究进展[J]. 江苏大学学报(医学版) 2020(01)
  • [24].结直肠癌相关长链非编码RNA调控信号通路研究进展[J]. 西部医学 2020(02)
  • [25].环状RNA与肝癌相互关系的研究进展[J]. 中国卫生检验杂志 2020(03)
  • [26].非编码RNA在葡萄膜炎发生发展过程中的调控作用研究进展[J]. 眼科新进展 2020(01)
  • [27].长链非编码RNA在心血管疾病中的研究进展[J]. 临床误诊误治 2020(02)
  • [28].长链非编码RNA影响糖尿病心肌病的研究[J]. 糖尿病新世界 2020(01)
  • [29].骨肉瘤中环状RNA的研究进展[J]. 临床与病理杂志 2020(02)
  • [30].长链非编码RNA作为肾细胞癌预后生物标志物的研究新进展[J]. 现代肿瘤医学 2020(05)
Predicting the Results of RNA Molecular Specific Hybridization Using Machine Learning
下载Doc文档

猜你喜欢