文献

J-GLOBAL ID：201702244199036102   整理番号：17A0439938

新規ハイブリッド深層学習ベースの交差ドメイン知識統合アプローチを用いたRNA-蛋白質結合モチーフマイニング

RNA-protein binding motifs mining with a new hybrid deep learning based cross-domain knowledge integration approach

著者 (2件)： PAN Xiaoyong (Univ. Copenhagen) ,  SHEN Hong-Bin (Shanghai Jiao Tong Univ.)
資料名： BMC Bioinformatics (Web)  (BMC Bioinformatics (Web))
巻： 18  号： Feb  ページ： 18:136 (WEB ONLY)  発行年： 2017年02月 
JST資料番号： U7025A  ISSN： 1471-2105  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 背景:RNAはRNA結合蛋白質(RBP)として知られる蛋白質との相互作用を通じて細胞において鍵となる役割を果たす。RBPが標的RNAを正確に認識する方法とそれらが特定の位置に結合する理由はいまだに解明されていない。機械学習ベースのアルゴリズムはこのプロセスを加速できる。多くの自動化ツールがRNA-蛋白質結合部位を予測するために開発されてきたが,それらのドメイン特異的特徴と形式はかなりの計算的挑戦を課してきた。現在の難題の一つは,交差-ソースを共有した共通知識が観測データを超える高い抽出レベルであり,ドメイン間の観測データの効率の低い直接的統合をもたらすことである。他の課題は予測結果を解釈するための方法である。既存のアプローチは配列上の可能性のある別々の結合部位を出力後に停止する傾向にあり,意味のある結合モチーフにそれらを組立てる方法はさらなる研究の価値がある課題である。結果:RBP相互作用部位およびモチーフを予測するための新規ハイブリッド畳み込み神経ネットワークおよび深層ビリーフネットワークを用いることで,深層学習ベースの枠組み(iDeep)を提案した。この新規プロトコルは,異なるドメイン間で共有された表現が統合される学習ブロックの多数積層を用いて,元の観測データから高レベルの抽出特徴空間に変換する。31の大規模CLIP-seqデータセットに対して実験を実施し,データの複数ソースを統合することで,平均AUCが最良の単一ソースベースの予測子と比較して8%まで向上し,抽出レベルでの交差ドメイン知識統合を通じて最新式の予測子より6%優ることを明らかにした。全部の向上した予測成績に加えて,iDeep内に埋め込まれた畳み込み神経ネットワークモジュールは,RBPに関する解釈可能な結合モチーフを自動的に捕捉できる。大規模実験により,これらの埋め込まれた結合モチーフが実験的に検証された結果と十分に一致することを証明し,iDeepが現実世界への適用において有望なアプローチであることを示唆した。結論:iDeep枠組みは,最新式の予測子よりも有望な成績を達成できるだけでなく,解釈可能な結合モチーフを容易に捕捉できる。iDeepはhttp://www.csbio.sjtu.edu.cn/bioinf/iDeepで利用できる。(翻訳著者抄録)

シソーラス用語： *機械学習 ,  統合 ,  *分子間相互作用 ,  *RNA結合タンパク質 ,  分子認識 ,  学習アルゴリズム ,  *結合部位 ,  *ネットワーク ,  特徴抽出
準シソーラス用語： *深層学習 ,  知識統合 ,  *RNA-蛋白質相互作用 ,  結合ドメイン ,  *神経ネットワーク ,  深層ビリーフネットワーク ,  畳み込み神経ネットワーク

分類 (5件)： 理論生物学一般  (EA02010D) ,  分子構造  (EB03020Y) ,  生物学的機能  (EB04020F) ,  生物学的機能  (EB03040U) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (7件)： 深層学習 ,  交差 ,  ドメイン ,  知識統合 ,  RNA ,  蛋白質結合 ,  モチーフ