论文解读：《A Convolutional Neural Network Using Dinucleotide One-hot Encoder for identifying DNA N6-Methyladenine Sites in the Rice Genome》

1.文章概述
2.背景
3.数据
4.方法
- 4.1 特征编码
- 4.2 模型框架
5.结果
- 5.1 基于不同编码器的模型比较
- 5.2 与最先进的模型进行比较
6.结论

文章地址：https://www.sciencedirect.com/science/article/abs/pii/S0925231220315137
DOI：https://doi.org/10.1016/j.neucom.2020.09.056
期刊：Neurocomputing（二区）
影响因子：5.719
发布时间：2020年9月2日
Web服务器：http://iRicem6A-CNN.aibiochem.net
数据：1760样本-下载链接；154000样本-下载链接

1.文章概述

N6-甲基腺嘌呤（N6-Methyladenine，m6A）是重要的表观遗传修饰之一，与各种DNA过程的控制有关。通过传统的方法进行全基因组m6A分析是基础，但需要很长时间。作者提出了一个新的方案：iRicem6A-CNN，用于识别水稻基因组中的m6A位点，该方案采用二核苷酸（2-mer）One-hot编码技术，通过卷积神经网络产生输入张量进行预测，五倍交叉验证和独立测试的预测精度（ACC）分别达到了93.82% 和96.19% ，表现优于其他可用的预测器。实验结果表明，只有基于二核苷酸One-hot的iRicem6A-CNN能够表现出较高的性能，并且比采用单核苷酸（1-mer）One-hot的模型具有更稳定、更稳健的性能。

2.背景

N6-甲基腺嘌呤（N6-Methyladenine，m6A）是DNA的一种重要化学修饰产物，广泛存在于从真核生物到原核生物的各种生物体内，并与DNA复制、DNA修复和转录调控有关。DNA甲基化的基因组分析已成为下一代测序技术，尤其是单分子实时测序技术的应用越来越广泛。m6A位点的全基因组分布已经有了更好的特征，这导致了对其生物学功能的更好的理解。例如，全基因组的m6A位点研究揭示了m6A在不同的真核生物中的不同调节功能，并表明原核生物中的m6A作为一种标记，用于区分入侵的外来DNA和宿主DNA。
2018年，zhou等人利用 smrt 证明了水稻基因组中0.2% 的腺嘌呤是m6A甲基化的，自从这一发现以来，各种基于机器学习的计算水稻基因组中m6A的方法如雨后春笋般涌现。2019年，chen等人开发了 im6A-Pred，一种基于支持向量机（SVM）的方法，该方法基于包含1760个样本的基准数据集进行训练，准确率（ACC）达到83.13% 。随后，在传统机器学习算法(如 svm、随机森林（RF）和马尔可夫链模型（markov chain model）的基础上发展了其他方法来识别水稻基因组中的m6A位点，这些方法包括：im6A-DNCP、MM-m6Apred、SDM6A、iN6-methylat和iDNAm6A-rice，其中iDNAm6A-rice的ACC最高，为91.7% 。
在这项研究中，作者开发了一个新的方法：iRicem6A-CNN，来提高预测水稻全基因组m6A位点的准确性。作者采用了一个二核苷酸One-hot编码，将DNA序列转换成张量，然后输入设计良好的CNN进行模型优化。在5倍的交叉验证中ACC为93.82% ，在独立测试中ACC为96.19%。实验结果表明，采用二进制One-hot编码的iRicem6A-CNN比采用单核苷酸One-hot编码的iRicem6A-CNN具有更高的鲁棒性和准确性。指标比较结果表明，iRicem6A-CNN具有较好的性能，这不仅是因为它能够稳定地识别阳性样本，还因为它能够更准确地识别阴性样本。

3.数据

分别由 chen等人和 lv等人建立了两个广泛使用的水稻基因组m6A基准数据集，分别标记为Chen-rice-m6A和 Lv-m6A-rice。Chen-rice-m6A数据集由1760个样本组成，其中一半为阳性样本，另一半为阴性样本，已被基于非深度学习算法的报道模型广泛应用。Lv-m6A-rice数据集由154000个阳性样本和154000个阴性样本组成，且被lv等人用在了iDNAm6A-rice方法上，被Yu等人用在了SNNRicem6A方法上。两个数据集中的序列长度为41碱基（bp），中心位置各有一个腺嘌呤（A）。作者考虑到CNN模型需要大量数据的特性，所以采用Lv-m6A-rice数据集进行模型训练，采用Chen-rice-m6A数据集进行独立测试，以方便比较。

4.方法

4.1 特征编码

4.2 模型框架

5.结果

5.1 基于不同编码器的模型比较

5.2 与最先进的模型进行比较

6.结论

在这里，为水稻基因组中m6A位点开发了一种新的基于深度学习的方法：iRicem6A-CNN。该方法输入模型的DNA序列首先转换成一个二核苷酸的One-hot编码张量。作者用实验证明，二核苷酸的One-hot编码模型的性能优于一分体一热编码模型，并且在不同的预测概率阈值下表现出更强的鲁棒性。应用该模型进行水稻基因组m6A位点检测，结果表明，该模型具有较高的5倍交叉验证准确率(93.82%)和独立测试准确率(96.19%) ，是水稻基因组 m6A位点的最佳预测指标之一。作者的分析和比较表明，iRicem6A-CNN不仅能够准确地预测m6A阳性样本，而且能够降低阴性样本识别的错误率。此外，还为iRicem6A-CNN提供了一个用户友好的网络服务器。

论文解读：《一种利用二核苷酸One-hot编码器识别水稻基因组中N6甲基腺嘌呤位点的卷积神经网络》相关推荐

论文解读PCT: Point Cloud Transformer（用于点云处理的Transformer)
最近几年transformer越来越火,在NLP.CV等领域都取得了很大的成功.这篇文章作者利用了transformer能够处理无序数据的特点,将transformer应用到点云的处理上.它的想法是基 ...
CVM2021| PCT: Point cloud transformer（分类+分割任务SOTA）
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达作者丨paopaoslam 来源丨泡泡机器人SLAM 标题:PCT: Point cloud tra ...
PCT: Point Cloud Transformer
PCT:点云Transformer Meng-Hao Guo Tsinghua University gmh20@mails.tsinghua.edu.cn Jun-Xiong Cai Tsinghu ...
FastFormers 论文解读：可以使Transformer 在CPU上的推理速度提高233倍
自Transformers诞生以来,紧随其后的是BERT,在几乎所有与语言相关的任务中,无论是问题回答,情感分析,文本分类还是文本生成,都占据着NLP的主导地位. 与RNN和LSTM消失的梯度问题(不 ...
Point Cloud Transformer(PCT)代码实现
Point Cloud Transformer(PCT)代码实现目前最火热的Transformer在自然语言和图像识别中扮演了极其重要的角色,在点云数据集中也不例外,清华大学近期提出在点云中运用Tr ...
论文解读：《基于BERT和二维卷积神经网络的DNA增强子序列识别transformer结构》
论文解读:<A transformer architecture based on BERT and 2D convolutional neural network to identify DN ...
Point Cloud Transformer（PCT）阅读翻译
PCT: Point Cloud Transformer 1. Introduction transformer是一种 encoder-decoder结构,包含了三个模块:输入词嵌入,位置(顺序)编码 ...
论文阅读 PCT：Point Cloud Transformer
论文阅读 PCT:Point Cloud Transformer PCT 介绍 Input Embedding native 版本 enhanced 版本 Attention PCT 介绍 PCT是基 ...
AI论文解读：基于Transformer的多目标跟踪方法TrackFormer
摘要:多目标跟踪这个具有挑战性的任务需要同时完成跟踪目标的初始化.定位并构建时空上的跟踪轨迹.本文将这个任务构建为一个帧到帧的集合预测问题,并提出了一个基于transformer的端到端的多目标跟踪方 ...
论文解读：《功能基因组学transformer模型的可解释性》
论文解读:<Explainability in transformer models for functional genomics> 1.文章概括 2.背景 3.相关工作 4.方法 4. ...

论文解读：《一种利用二核苷酸One-hot编码器识别水稻基因组中N6甲基腺嘌呤位点的卷积神经网络》