基于机器学习的RNA与蛋白质绑定位点预测研究

论文摘要

RNA与蛋白质结合形成的复合物在许多生物过程中起关键作用,然而通过生物实验检测RNA-蛋白质相互作用非常耗时费力,开发计算预测工具势在必行。计算工具的预测性能依赖于两个因素,即RNA序列的特征表示和分类模型,在现有方法中,统计特征或one-hot向量是常见的特征表示方法,同时大多数分类器都使用传统的机器学习模型,而分布式特征表示和灵活的深度学习架构尚未被深入研究。因此,在本研究中,我们通过连续分布特征表示RNA序列,并提出一种混合深度学习架构,将两个神经网络框架CNN和RNN进行有效组合,充分利用各自优势,其中卷积神经网络（CNN）学习高级抽象特征,循环神经网络（RNN）学习序列中的长依赖性。针对RNA世界的后起之秀环状RNA（circRNA）,我们构建CRIP（CircRNA Interact with Proteins）模型,它仅使用RNA序列预测环状RNA上的蛋白质结合位点。为了充分利用序列信息,我们还提出了一种堆叠式密码子编码方案。实验结果表明,新的编码方案优于现有用于RNA序列的特征表示方法,并且混合网络大大优于传统的分类器,CNN和RNN组件都有助于提高性能。据我们所知,CRIP是第一个基于机器学习专门用于预测环状RNA和蛋白质相互作用的工具,预计将在环状RNA大规模功能分析中扮演重要角色。

论文目录

• 摘要
• abstract
• 第一章 绪论
•   1.1 环状RNA的生物机制
•   1.2 研究背景
•   1.3 现有方法
•   1.4 本文所提方案概述
•   1.5 本章小结
• 第二章 国内外研究现状
•   2.1 基于传统机器学习的预测方法
•   2.2 基于神经网络的预测方法
•   2.3 本章小结
• 第三章 方法介绍
•   3.1 数据集构建
•   3.2 特征编码
•     3.2.1 k-mer编码
•     3.2.2 One-hot编码
•     3.2.3 词向量编码
•     3.2.4 IUPAC编码
•     3.2.5 堆叠式密码子编码（Stack coden-based encoding）
•   3.3 模型介绍
•     3.3.1 特征编码
•     3.3.2 CNN层
•     3.3.3 BiLSTM层
•     3.3.4 全连接层
•   3.4 环境搭建
•     3.4.1 服务器配置
•     3.4.2 编辑器
•     3.4.3 机器学习框架
•     3.4.4 参数选择
•   3.5 实验结果
•     3.5.1 数据分布分析
•     3.5.2 特征编码分析
•     3.5.3 模型各模块分析
•     3.5.4 与现有预测环状RNA和 RBP相互作用的模型比较
•     3.5.5 环状RNA和线性RNA共有RBP数据集上的实验结果
•   3.6 本章小结
• 第四章 讨论
•   4.1 本研究的主要贡献
•   4.2 motif分析
•   4.3 本章小结
• 总结与展望
• 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: 张开明

导师: 杨旸

关键词: 环状,密码子编码,卷积神经网络,循环神经网络

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: Q811.4;TP181

DOI: 10.27307/d.cnki.gsjtu.2019.001977

总页数: 67

文件大小: 2692K

下载量: 14