清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

A novel deep learning-driven framework for improving lncRNA comprehensive annotation with LncADeep 2.0

注释 计算机科学 软件 数据挖掘 计算生物学 人工智能 机器学习 深度学习 情报检索 基因组学
作者
Yiyan Zhou,Jiaheng Hou,Haoling Xie,Nuoshi Lin,Cheng Yang,Hengchuang Yin,Wanqiu Ding,Huaiqiu Zhu
出处
期刊:Bioinformatics [Oxford University Press]
卷期号:42 (4)
标识
DOI:10.1093/bioinformatics/btag162
摘要

MOTIVATION: Long non-coding RNAs (lncRNAs) have emerged as crucial players in diverse physiological and pathological processes, yet the biological mechanisms of the vast majority of lncRNAs remain elusive. To fill this gap, it is necessary to improve the accuracy of lncRNA identification and functional annotation. RESULTS: Here, we introduce LncADeep 2.0, an integrated deep learning framework designed to meet these needs. In the identification module, LncADeep 2.0 incorporated novel peptide features along with sequence and structural information, demonstrating superior performance over our previous LncADeep and other existing tools on both annotated transcripts from GENCODE and RNA-seq data. For functional annotation, LncADeep 2.0 leveraged lncRNA-centric interaction networks and gene ontology terms through the transfer learning strategy to achieve robust annotation performance with limited functional data. Compared to LncADeep, LncADeep 2.0 could accurately elucidate the general functions of given lncRNA sequences, predict tissue- or cell-type-specific functions from bulk and single-cell RNA-seq data, and establish connections between tumor-associated lncRNAs and genomic markers. Overall, LncADeep 2.0 stands out as an efficient and reliable tool for lncRNA identification and functional annotation across a wide spectrum of biological processes. AVAILABILITY AND IMPLEMENTATION: LncADeep 2.0 is available for use at https://github.com/Jefferson-Chou/LncADeep2 and https://doi.org/10.5281/zenodo.17164767.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
La完成签到,获得积分10
3秒前
风中睫毛完成签到,获得积分10
23秒前
冷酷的易文完成签到,获得积分10
39秒前
molihuakai的应助被科研通管家采纳,获得10
53秒前
Khan完成签到,获得积分10
54秒前
天天快乐的应助被Wang采纳,获得10
58秒前
公子小白完成签到,获得积分10
1分钟前
迷路牛青完成签到,获得积分10
1分钟前
limengyao完成签到,获得积分10
1分钟前
温柔晓筠完成签到,获得积分10
1分钟前
落后的雪青完成签到,获得积分10
1分钟前
Aman完成签到,获得积分10
1分钟前
精明开山完成签到,获得积分10
2分钟前
2分钟前
Wang发布了新的文献求助10
2分钟前
安静怜雪完成签到,获得积分10
2分钟前
火柴盒完成签到,获得积分10
2分钟前
隐形雅柔完成签到,获得积分10
2分钟前
dnpl完成签到,获得积分10
2分钟前
潇洒醉冬完成签到,获得积分10
2分钟前
Aman完成签到,获得积分10
2分钟前
Aman完成签到,获得积分10
2分钟前
细心的语蓉完成签到,获得积分10
2分钟前
车车完成签到 ,获得积分10
2分钟前
追寻的凌香完成签到,获得积分10
2分钟前
2分钟前
Maestro_S的应助被科研通管家采纳,获得10
2分钟前
调皮烤鸡完成签到,获得积分10
2分钟前
能干的孱完成签到,获得积分10
3分钟前
小巧的大凄完成签到,获得积分10
3分钟前
3分钟前
古炮完成签到 ,获得积分10
3分钟前
又何必呢完成签到 ,获得积分10
3分钟前
英俊的青烟完成签到,获得积分10
3分钟前
TingtingGZ发布了新的文献求助10
3分钟前
沉默怡完成签到,获得积分10
3分钟前
田田完成签到 ,获得积分10
4分钟前
奔跑的应助被武雨寒采纳,获得10
4分钟前
梁吃鱼完成签到 ,获得积分10
4分钟前
无悔完成签到 ,获得积分0
4分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
plantTFDB 508
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8173213
求助须知:如何正确求助?哪些是违规求助? 9565567
关于积分的说明 21780496
捐赠科研通 7767342
什么是DOI,文献DOI怎么找? 3431542
关于科研通互助平台的介绍 2555730
邀请新用户注册赠送积分活动 2476697