期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于图编码与改进流注意力的编码sORFs预测方法DeepsORF
1
作者
谢冬梅
边昕烨
+4 位作者
于连飞
刘文博
王子灵
曲志坚
于家峰
《计算机应用》
北大核心
2025年第2期546-555,共10页
小开放阅读框(sORFs)在多种生物学过程中发挥着关键作用,且准确识别编码sORFs和非编码sORFs是基因组学中一项重要且有挑战性的任务。针对目前大多数编码sORFs预测算法严重依赖基于先验生物知识的手工特征且缺乏通用性的问题以及原始sORF...
小开放阅读框(sORFs)在多种生物学过程中发挥着关键作用,且准确识别编码sORFs和非编码sORFs是基因组学中一项重要且有挑战性的任务。针对目前大多数编码sORFs预测算法严重依赖基于先验生物知识的手工特征且缺乏通用性的问题以及原始sORFs的序列长度长短不一而无法直接输入预测模型的问题,提出一种基于sORF-Graph图编码方式的端到端的深度学习框架DeepsORF预测编码sORFs。首先,通过sORF-Graph将所有sORFs序列编码成对应的图,并将序列信息编码成图元素特征,从而对输入序列进行标准化处理;其次,引入基于卷积与残差的流注意力机制捕获sORFs中碱基远距离之间的相互作用,以更有效地表达sORFs的特征,并提高模型的预测精度。实验结果证明,DeepsORF框架在6个独立测试集上的性能均得到提升,与csORF-finder方法相比,DeepsORF在D.melanogaster nonCDS-sORFs测试集上的准确率、马修斯相关系数(MCC)以及精确率分别提升了9.97、19.49与13.07个百分点,验证了DeepsORF模型在识别编码sORFs和非编码sORFs任务中的有效性以及良好泛化能力。
展开更多
关键词
小开放阅读框
编码sORFs
端到端
图编码
流注意力
在线阅读
下载PDF
职称材料
题名
基于图编码与改进流注意力的编码sORFs预测方法DeepsORF
1
作者
谢冬梅
边昕烨
于连飞
刘文博
王子灵
曲志坚
于家峰
机构
山东
理工大学计算机科学与技术
学院
德州
学院
生物物理
研究院
(
山东省
生物物理
重点
实验室
)
出处
《计算机应用》
北大核心
2025年第2期546-555,共10页
基金
山东省高等学校青年创新团队发展计划项目(2019KJN048)。
文摘
小开放阅读框(sORFs)在多种生物学过程中发挥着关键作用,且准确识别编码sORFs和非编码sORFs是基因组学中一项重要且有挑战性的任务。针对目前大多数编码sORFs预测算法严重依赖基于先验生物知识的手工特征且缺乏通用性的问题以及原始sORFs的序列长度长短不一而无法直接输入预测模型的问题,提出一种基于sORF-Graph图编码方式的端到端的深度学习框架DeepsORF预测编码sORFs。首先,通过sORF-Graph将所有sORFs序列编码成对应的图,并将序列信息编码成图元素特征,从而对输入序列进行标准化处理;其次,引入基于卷积与残差的流注意力机制捕获sORFs中碱基远距离之间的相互作用,以更有效地表达sORFs的特征,并提高模型的预测精度。实验结果证明,DeepsORF框架在6个独立测试集上的性能均得到提升,与csORF-finder方法相比,DeepsORF在D.melanogaster nonCDS-sORFs测试集上的准确率、马修斯相关系数(MCC)以及精确率分别提升了9.97、19.49与13.07个百分点,验证了DeepsORF模型在识别编码sORFs和非编码sORFs任务中的有效性以及良好泛化能力。
关键词
小开放阅读框
编码sORFs
端到端
图编码
流注意力
Keywords
small Open Reading Frames(sORFs)
coding sORFs
end-to-end
graph encoding
flow attention
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于图编码与改进流注意力的编码sORFs预测方法DeepsORF
谢冬梅
边昕烨
于连飞
刘文博
王子灵
曲志坚
于家峰
《计算机应用》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
