Prediction of Secondary Structure for Long Non-Coding RNAs using a Recursive Cutting Method based on Deep Learning
Rattachement africain : fr. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Accurately predicting the secondary structure of RNA, particularly for long non-coding RNA, has direct implications in healthcare, where it can be used for diagnostic, therapeutic, and drug discovery purposes. However, the majority of previous approaches are too costly in terms of computation budget to cope with the increasing complexity of long RNAs, and the ones that can scale to long RNAs lack accuracy to reliably predict their structures. We propose a new approach combining recursive cutting and machine learning techniques for predicting the secondary structures of long non-coding RNAs. In comparison, our method proves to be computationally efficient by recursively partitioning a sequence into smaller fragments until they can be easily managed by an existing model. We perform a benchmark of different state-of-the-art models and show that our approach indeed demonstrates better performance for long RNAs and a potential to bring significant improvements in the future, as well as interesting enhancing properties, which we discuss.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Prediction of Secondary Structure for Long Non-Coding RNAs using a Recursive Cutting Method based on Deep Learning
- Date Crossref
- 04/12/2023
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Informatique pays non établi dans la noticeStructure de recherche
-
Centre National de la Recherche Scientifique pays non établi dans la noticeOrganisme public
-
Biologie cellulaire et Cancer pays non établi dans la noticeStructure de recherche
-
Institut Curie UMR144 pays non établi dans la noticeOrganisation à but non lucratif
-
Univ Evry Paris-Saclay pays non établi dans la noticeUniversité ou école supérieure
-
ADLIN Science pays non établi dans la noticeInstitution
Informatique, Centre National de la Recherche Scientifique et Biologie cellulaire et Cancer, avec 3 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.