基于深度学习的circRNARBP结合位点预测联合模型

circRNA 和 RBP 之间的相互作用与许多疾病尤其是癌症有关。了解相互作用的机制至关重要，预测它们的结合位点对此很有帮助。现有的预测 circRNA-RBP 结合位点的方法存在一些局限性。它们不能充分学习和利用circRNA序列的特征，其性能有待进一步提高。

为了克服这些限制，Guo Ya-Jing等人。 2023 年 10 月 15 日，他们在 高等教育出版社和施普林格自然联合出版的《计算机科学前沿》上 发表了他们的新研究。

作者提出了一种名为 circ2CBA 的新型基于深度学习的模型，该模型考虑了 circRNA 序列核苷酸之间的上下文信息和特征的重要位置权重信息。circ2CBA利用各种深度学习方法充分学习circRNA序列的特征。对比和消融实验的结果表明circ2CBA能够取得良好的性能。

circ2CBA仅使用circRNA的序列信息来预测circRNA和RBP之间的结合位点。circRNA 序列从 CircInteractome 数据库获得。选择八个 RBP 来构建数据集。

One-hot 方法用于编码 circRNA 序列，并将其作为输入信息输入到后续模型中。circ2CBA首先利用两层CNN来提取circRNA的局部特征并获得更大的感知域。为了捕获序列核苷酸之间的上下文相关信息，circ2CBA 引入了 BiLSTM 网络。接下来，在将特征矩阵输入到两层全连接层之前，使用注意力层为特征矩阵分配不同的权重。最后通过softmax函数得到预测结果。在同一数据集上进行与其他最新方法的比较实验和消融实验。此外，还进行了主题分析，探讨了circ2CBA在某些子数据集上性能显着提高的原因。实验结果表明，circ2CBA是预测circRNA-RBP结合位点的有效方法。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！