基于多维度卷积神经网络的m7G位点识别

摘要

N7-甲基鸟苷(N7-methylguanosine, m7G)修饰在RNA修饰中普遍存在，识别m7G位点对认识m7G功能和深入了解人类疾病具有重要意义.目前关于m7G位点的识别方法大多基于传统机器学习，需要手动输入筛选最优特征，存在特征冗余问题.为了解决以上问题，提出一种多维度卷积神经网络，该方法基于卷积神经网络构建，并在卷积的基础上增加空间空洞卷积层，采用空洞空间卷积池化金字塔模块获得多尺度序列信息特征，以扩大模型的感受野，使得提取的特征更加全面.基于相同的m7G位点序列数据，将多维度卷积神经网络模型的m7G位点预测能力与几种已有算法进行比较，结果表明，多维度卷积神经网络模型的预测性能优于现有算法.

关键词

多维度卷积神经网络 / 空洞卷积 / m7G甲基化 / 深度学习

基金资助

国家自然科学基金(61866040); 云南省研究生优质课程建设项目(云学位[2022]8号); 云南民族大学数学与计算机科学学院研究生科研项目(SJXY-2021-015)