rna状态inf swMATH ID: 33162 软件作者： 德文·威尔莫特；大卫·穆鲁加拉（David Murrugarra）；叶强 描述： 利用深度递归神经网络通过状态推断改进RNA二级结构预测。确定RNA序列中哪些核苷酸在RNA的二级结构中成对或不成对的问题，我们称之为RNA状态推断，可以通过不同的机器学习技术进行研究。成功的RNA序列状态推断可用于生成辅助信息，用于数据导向的RNA二级结构预测。用于状态推理的典型工具，如隐马尔可夫模型，在RNA状态推理中表现出较差的性能，部分原因是它们无法识别非局部依赖性。双向长短期记忆（LSTM）神经网络已成为一种强大的工具，它可以建模全局非线性序列相关性，并在许多不同的分类问题上取得了最先进的性能。本文围绕状态推理的深度学习方法，提出了一种实用的RNA二级结构推理方法。深度双向LSTM的状态预测用于生成合成SHAPE数据，该数据可通过最近邻热力学模型（NNTM）纳入RNA二级结构预测。该方法为不同的16S核糖体RNA测试集生成预测的二级结构，平均比无定向MFE结构准确25个百分点。准确性在很大程度上取决于我们的状态推理方法的成功，研究我们的状态预测的全局特征表明，我们的状态推断和结构推理方法的准确性都高度依赖于序列与训练数据集的配对模式的相似性。大型培训数据集的可用性对该方法的成功至关重要。url上的可用代码{https://github.com/dwillmott/rna-state-inf}. 主页： https://github.com/dwillmott/rna-state-inf 源代码： https://github.com/dwillmott/rna-state-inf 依赖项： 蟒蛇 关键词： RNA二级结构推断;RNA状态推断;NNTM公司;形状定向NNTM;深度学习;循环神经网络 相关软件： 凯拉斯;RMS公司;NNDB公司;维也纳RNA;模式RNA;重新计算IDR;github;RNA结构;UNA折叠;西雅娜;LSTM公司 引用于： 1文件 标准条款 1出版物描述软件，包括1出版物以zbMATH为单位 年份 利用深度递归神经网络通过状态推理改进RNA二级结构预测。 Zbl 1439.92147号德文·威尔莫特;大卫·默鲁加拉;叶强 2020 3位作者引用 1 大卫·默鲁加拉 1 德文·威尔莫特。 1 叶强 连载1篇 1 计算和数学生物物理 在1个字段中引用 1 生物学和其他自然科学（92-XX） 按年份列出的引文