用 RNA 对比学习改进您的预测

Oct, 2023

Splicing Up Your Predictions with RNA Contrastive Learning

Philip Fradkin, Ruian Shi, Bo Wang, Brendan Frey, Leo J. Lee

TL;DR通过对功能相似的基因组序列进行对比性学习，本研究提出了一种学习 RNA isoform 的通用表示方法，并在 RNA 半衰期和平均核糖体负载预测等下游任务上证实了其实用性。

Abstract

In the face of rapidly accumulating genomic data, our understanding of the rna regulatory code remains incomplete. Recent self-supervised methods in other domains have demonstrated the ability to learn rules underlying the data-generating process such as sentence structure in language.

rna regulatory code contrastive learning alternative splicing gene duplication rna property prediction

发现论文，激发创造

利用基因表达值进行癌症预后预测的对比学习

本文通过应用监督对比学习将肿瘤基因表达和临床数据转换为低维特征空间，并使用学习的特征训练 Cox 模型来预测肿瘤预后，提高了肿瘤预后的准确性。

Jun, 2023

语义丰富的基因组可解释人工智能的本地数据集生成

利用基因编程生成多样性，在 RNA 剪接领域快速实现多样性，明显优于随机基准，展示了可扩展性并在较大序列上取得了约 30% 的改进。

Jul, 2024

细粒度染色体识别的监督对比学习

提出了一种针对可靠染色体分类训练的监督对比学习策略，通过在潜在空间中提取细粒度的染色体嵌入，扩大了类间边界和减少了类内差异，提高了预测染色体类型的准确性，可以显著提升深度网络的泛化性能。

Dec, 2023

深度神经网络预测蛋白亚型功能

该研究论文使用深度神经网络等技术，结合基因功能、表达谱和基因本体图，对基因的异构体进行了功能预测，并使用 ROC AUC 和 PR AUC 等指标对预测结果进行评估。

Aug, 2022

学习设计 RNA

提出了一种基于深度强化学习的 RNA 序列设计算法 ——LEARNA 和扩展版本 Meta-LEARNA。经实验证明，该方法在 RNA 设计方面具有新的最先进性能，且速度显著提高，同时具有较好的计算效率和普适性。

Dec, 2018

一个单细胞基因表达语言模型

提出了 Exceiver 模型，使用同一自我监督任务来处理单细胞 RNA 表达数据，学习基因之间的上下文依赖关系，并证明该模型具有迁移学习能力。

Oct, 2022

DNA 序列的无监督表示学习

本文利用一种序列到序列自编码器模型以无监督的方式学习长度可变的 DNA 序列的固定维度的潜在表示，并在监督学习的拼接位点分类任务中进行了定量和定性评估。实验表明，此类表示法可用作通常相关的任务中的特征或先验，并且采用的模型归因技术获得的序列特征对分类精度有显著影响。

Jun, 2019

生物基础模型之间的多模态迁移学习

我们提出了一个多模态模型，通过利用来自不同预训练模态特定编码器的信息将 DNA、RNA 和蛋白质连接起来，展示了该模型在预测多个 RNA 转录本的表达差异方面的能力，同时在多个模态之间实现了高效的知识传递，为新的多模态基因表达方法铺平了道路。

Jun, 2024

视野逐层学习范式推动基因剪接识别

通过提出一种名为 Horizon-wise Gene Splicing Identification（H-GSI）的基于视野的基因剪接识别框架，本研究在现代人工智能和生物信息学的合作中解决了基因剪接的核心任务。与既有研究相比，H-GSI 应用了基于视野的识别模式，通过一次正向计算预测序列中的所有位置，提高了准确性和效率，在真实世界的人类数据集上表现优于 SpliceAI，达到了最佳准确率 97.20%。

Jun, 2024

CRISPR：集成模型

该论文提出了一种新的合奏学习方法来设计单导 RNA，该方法能够准确且具有一般性地预测 CRISPR 的靶向有效性和离靶敏感性，从而改善对不同基因和细胞数据集的泛化能力。通过在一个基准数据集上进行评估，发现该方法在准确性和泛化能力方面优于现有方法，并且可以用于设计具有高灵敏度和特异性的单导 RNA，甚至对于新基因或细胞，这对于临床使用 CRISPR 技术提供了重要的启示，因为它使研究人员能够设计更有效和更安全的治疗方法来对抗各种疾病。

Mar, 2024