论文部分内容阅读
近年来,探知RNA二级结构一直是RNA研究领域的重要和难点问题。目前虽然部分RNA的二级结构可以通过实验手段获取,但在大多数情况下仍然需要采用计算机预测方法来预测RNA二级结构预测。当前RNA二级结构的预测方法主要是基于最小自由能的动态规划类算法,通过迭代的方式找到满足能量最小或其他限制条件的RNA体内折叠最佳状态来预测RNA结构。但是由于生物体内环境的复杂性使得RNA的真实结构并不能满足能量最小的最佳折叠状态,而是一种基于生物势能平衡状态。对于序列较短的RNA,折叠生物势能平衡状态接近最小自由能状态,最小自由能的算法可以获得较高的准确率。然而对于较长的RNA序列,其结构复杂,在体内生物环境中存在反复折叠导致其生物势能平衡状态远远偏离最小自由能状态,使得使用基于传统能量方法预测精度严重下降,无法准确预测RNA二级结构。深度学习方法是一种常见的表示学习方法,能够自动的从数据中挖掘出有效分类的隐藏特征。本文基于深度学习和现有真实RNA二级结构数据,提出一种应用卷积神经网络模型结合动态规划算法的新型RNA二级结构预测方法CDPfold。该方法基于现有实验已经得出的真实RNA结构数据,构建深度卷积网络模型,从大规模RNA序列数据及其结构数据中挖掘有效分类的隐含特征,并以此为依据预测出每一个碱基的配对概率。对于得到的概率结果,应用动态规划的计算思想,得到满足RNA二级结构定义且各个碱基的匹配概率之和最大的RNA二级结构作为预测的最终结果。本文通过对已知结构的RNA进行编码,应用卷积神经网络对RNA序列上的每个碱基配对情况进行预测,最后应用动态规划方法对预测结果进行组合,可以得到预测出的RNA最优二级结构。实验结果表明,CDPfold在5sRNA、tRNA和srpRNA这3个RNA家族的预测上,相较于其他常见的RNA二级结构预测算法,其敏感性和特异性均提高了30%左右。另外由于深度学习方法的性能与数据量的大小直接相关。由此可以推测出随着经过生物实验验证的真实RNA结构数据的不断增加,应用本文所提出的方法对各类RNA家族的预测精度也会不断的提高。