%0 Journal Article
%T 一种自适应序列长度的RNA二级结构深度预测方法
%A GAO Zhen
%A 付保川
%A 吴宏杰
%A 崔志明
%A 汤烨
%A 陆卫忠
%J 中山大学学报（自然科学版）
%D 2019
%X 摘要 RNA二级结构预测是结构生物信息学中的一个重要问题.带假结的RNA二级结构预测,由于复杂的假结结构,更是增加了预测的难度.传统的机器学习方法受限于学习模型的结构,输入特征数目必须固定.大部分方法将不同长度的序列统一截断后进行训练,这不仅导致有用信息丢失,而且并破坏了生物序列完整性.针对该问题提出了一种适应序列长度的深度递归神经网络模型,构造了序列长度自适应模块及训练算法,从而不需要截断.同时,由于实际样本比例不均衡,采用了动态加权方法进行改善.随后,在权威数据集RNA STRAND上与四种优秀方法进行了四组比较实验.实验结果表明,本方法的正确率和 Matthews相关系数比定长LSTM方法分别提高了1.6%和3.3%;比其它四种典型方法提高了13.6%和14.8%
%K RNA二级结构预测
%K 递归神经网络
%K 动态加权
%K 假结
%K 碱基
%U http://xwxt.sict.ac.cn/CN/abstract/abstract5082.shtml