本文主要研究内容
作者李瑞（2019）在《基于深度学习的农作物基因剪接位点识别研究》一文中研究指出：准确的识别基因剪接位点对于理解以及控制基因性状的表达具有十分重要的意义。本文基于拟南芥、水稻、玉米三类农作物基因剪接位点数据集,结合卷积神经网络与递归神经网络设计了一种深度学习网络模型DeepAS(CNN+GRU+LSTM)。并根据DeepAS模型开发了农作物基因剪接位点识别系统,目的是能够实现快速准确的识别农作物基因剪接位点,从而方便研究者的使用,加快科研工作的效率。主要研究内容如下:1、基于拟南芥、水稻、玉米三种原始农作物的基因数据提取基因剪接位点数据集,并分别制作基因剪接位点模型训练集。2、基于Tensorflow+Keras深度学习框架提出了一种农作物基因剪接位点识别模型,设计了51种不同的模型结构用于训练并测试三种农作物基因剪接位点数据集以及他们的混合数据集,挑选出在每种数据集上识别准确率最高的网络模型,命名为DeepAS,并保存其模型与权重。实验表明DeepAS网络模型在用于识别农作物基因剪接位点时具有很好的准确率与泛化能力,在农作物混合基因数据集上识别准确率为97.09%,精确率为96.88%,召回率为0.9692,F1_Score为96.90%,结果优于传统的机器学习模型与本文对比的其他研究者的深度学习模型。3、进一步对剪接位点序列的特征进行研究,使用特殊的非剪接位点数据集进行验证,在去除GT-AG法则这一主要特征的情况下,识别的准确率依旧保持在96%以上,这证明了学习到的特征不只是GT-AG法则,而是综合复杂的,在另一方面也证明了DeepAS模型具有很好的稳定性与泛化能力。此外,在二分类模型基础上设计了可以识别受体剪接位点、供体剪接位点、非剪接位点的三分类模型,并且在混合三种农作物的基因剪接位点数据集上进行了测试,准确率为85.91%,填补了三分类识别问题的空缺。4、基于设计的DeepAS模型开发了农作物基因剪接位点识别系统,系统可以根据用户选择的不同数据匹配相应的模型,在输入或上传数据并提交后可以实时反馈识别结果,系统网址为http://www.deepbiology.cn/DeepAS/。
Abstract
zhun que de shi bie ji yin jian jie wei dian dui yu li jie yi ji kong zhi ji yin xing zhuang de biao da ju you shi fen chong yao de yi yi 。ben wen ji yu ni na gai 、shui dao 、yu mi san lei nong zuo wu ji yin jian jie wei dian shu ju ji ,jie ge juan ji shen jing wang lao yu di gui shen jing wang lao she ji le yi chong shen du xue xi wang lao mo xing DeepAS(CNN+GRU+LSTM)。bing gen ju DeepASmo xing kai fa le nong zuo wu ji yin jian jie wei dian shi bie ji tong ,mu de shi neng gou shi xian kuai su zhun que de shi bie nong zuo wu ji yin jian jie wei dian ,cong er fang bian yan jiu zhe de shi yong ,jia kuai ke yan gong zuo de xiao lv 。zhu yao yan jiu nei rong ru xia :1、ji yu ni na gai 、shui dao 、yu mi san chong yuan shi nong zuo wu de ji yin shu ju di qu ji yin jian jie wei dian shu ju ji ,bing fen bie zhi zuo ji yin jian jie wei dian mo xing xun lian ji 。2、ji yu Tensorflow+Kerasshen du xue xi kuang jia di chu le yi chong nong zuo wu ji yin jian jie wei dian shi bie mo xing ,she ji le 51chong bu tong de mo xing jie gou yong yu xun lian bing ce shi san chong nong zuo wu ji yin jian jie wei dian shu ju ji yi ji ta men de hun ge shu ju ji ,tiao shua chu zai mei chong shu ju ji shang shi bie zhun que lv zui gao de wang lao mo xing ,ming ming wei DeepAS,bing bao cun ji mo xing yu quan chong 。shi yan biao ming DeepASwang lao mo xing zai yong yu shi bie nong zuo wu ji yin jian jie wei dian shi ju you hen hao de zhun que lv yu fan hua neng li ,zai nong zuo wu hun ge ji yin shu ju ji shang shi bie zhun que lv wei 97.09%,jing que lv wei 96.88%,shao hui lv wei 0.9692,F1_Scorewei 96.90%,jie guo you yu chuan tong de ji qi xue xi mo xing yu ben wen dui bi de ji ta yan jiu zhe de shen du xue xi mo xing 。3、jin yi bu dui jian jie wei dian xu lie de te zheng jin hang yan jiu ,shi yong te shu de fei jian jie wei dian shu ju ji jin hang yan zheng ,zai qu chu GT-AGfa ze zhe yi zhu yao te zheng de qing kuang xia ,shi bie de zhun que lv yi jiu bao chi zai 96%yi shang ,zhe zheng ming le xue xi dao de te zheng bu zhi shi GT-AGfa ze ,er shi zeng ge fu za de ,zai ling yi fang mian ye zheng ming le DeepASmo xing ju you hen hao de wen ding xing yu fan hua neng li 。ci wai ,zai er fen lei mo xing ji chu shang she ji le ke yi shi bie shou ti jian jie wei dian 、gong ti jian jie wei dian 、fei jian jie wei dian de san fen lei mo xing ,bing ju zai hun ge san chong nong zuo wu de ji yin jian jie wei dian shu ju ji shang jin hang le ce shi ,zhun que lv wei 85.91%,tian bu le san fen lei shi bie wen ti de kong que 。4、ji yu she ji de DeepASmo xing kai fa le nong zuo wu ji yin jian jie wei dian shi bie ji tong ,ji tong ke yi gen ju yong hu shua ze de bu tong shu ju pi pei xiang ying de mo xing ,zai shu ru huo shang chuan shu ju bing di jiao hou ke yi shi shi fan kui shi bie jie guo ,ji tong wang zhi wei http://www.deepbiology.cn/DeepAS/。
论文参考文献
论文详细介绍
论文作者分别是来自山东农业大学的李瑞，发表于刊物山东农业大学2019-07-05论文，是一篇关于深度学习论文,基因剪接位点识别论文,卷积神经网络论文,递归神经网络论文,山东农业大学2019-07-05论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自山东农业大学2019-07-05论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：深度学习论文; 基因剪接位点识别论文; 卷积神经网络论文; 递归神经网络论文; 山东农业大学2019-07-05论文;