.png){kind=icon}
返回
DRFormer: A Benchmark Model for RNA Sequence Downstream Tasks
.png){kind=icon}
OA
AI
DOI：10.3390/genes16030284.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
背景/目标：RNA研究对于理解基因调控、疾病机制和疗法开发至关重要。构建有效的RNA基准模型以实现准确的下游分析已成为一项重要的研究挑战。本研究的目标是提出一种稳健的基准模型DRFormer，用于RNA序列的下游任务。方法：DRFormer模型利用RNA序列基于二级结构和序列距离构建新颖的视觉特征。这些特征通过SWIN模型进行预训练，以开发SWIN-RNA子模型。随后，该子模型与RNA序列模型集成，构建用于下游分析的多模态模型。结果：我们在多种RNA下游任务上进行了实验。在序列分类任务中，MCC达到94.4%，超过当前最优的RNAErnie模型1.2%。在蛋白质-RNA相互作用预测中，DRFormer的MCC为0.492，优于BERT-RBP和PrismNet等先进模型。在RNA二级结构预测中，F1得分为0.690，超过广泛使用的SPOT-RNA模型1%。此外，在DNA任务上的泛化实验也取得了满意结果。结论：DRFormer是首个利用结构特征构建视觉模型并将序列与视觉模型以多模态方式集成的RNA序列下游分析模型。该方法取得了优异的预测和分析结果，为RNA研究做出了宝贵贡献。
Keyword:
RNA
RSS
RBP
sequence classification
multimodal
