.png){kind=icon}
返回
OptimDase: An Algorithm for Predicting DNA Binding Sites with Combined Feature Encoding
.png){kind=icon}
OA
AI
DOI：10.1007/s12539-025-00704-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
识别DNA结合位点仍然是生物信息学中的一个关键任务，其应用范围从基因调控研究到药物设计。尽管计算技术在不断进步，但我们仍面临数据复杂性和预测准确性等挑战。在本文中，我们介绍了OptimDase这一新算法。它将特征编码与最优决策框架相结合，以提高DNA结合位点预测的准确性。OptimDase整合了多尺度扫描和特征选择策略，使其在分类和回归任务中均表现出高度有效性。我们的实验表明，OptimDase在分类任务中达到了0.8943的准确率，在回归任务中实现了0.0054的均方根误差（RMSE），在关键评估指标上优于现有算法。这些结果突显了OptimDase的通用性和鲁棒性，使其成为识别DNA结合位点及推动药物设计应用的有效解决方案。
Keyword:
DNA binding site
Machine learning
optimum decision-making
Site-specific recombination
combined feature encoding
期刊
I
IF:
3.9
论文数:
962
被引数:
1.5K
机构
引用论文
DNA-dependent formation of transcription factor pairs alters their binding specificity.png)
Nature
NatureIF0
PREAI
分享收藏Selective deployment of transcription factor paralogs with submaximal strength facilitates gene regulation in the immune systemNATURE IMMUNOLOGY
OAAI
NATURE IMMUNOLOGYIF27.6
OAAI分享收藏DNA fluorescent labeling with naphtho[1,2,3-cd]indol-6(2H)-one for investigation of protein-DNA interactions使用naphtho[1,2,3-cd]indol-6(2H)-one进行DNA荧光标记以研究蛋白质-DNA相互作用
PREAI
分享收藏Proteins Recognizing DNA: Structural Uniqueness and Versatility of DNA-Binding Domains in Stem Cell Transcription FactorsGenesOAAI
GenesIF0
OAAI分享收藏Five-Vertebrate ChIP-seq Reveals the Evolutionary Dynamics of Transcription Factor BindingScienceOAAI
ScienceIF0
OAAI分享收藏
查看更多内容