Aller au contenu principal
Accès ouvert déclaré 2026 software

NMD_orf_model_v5_4ct: deep-learning model of nonsense-mediated decay from ORF sequence context

0Citations signalées, ce qui n’est pas une note de qualité
6Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : us. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Deep-learning model predicting nonsense-mediated decay (NMD) susceptibility from sequence around the start and stop codons together with per-ORF structural features, for Leshem et al., Long Read RNA Sequencing in Primary Lung Cell Types Reveals Principles of Nonsense-Mediated Decay. Covers training, evaluation, and attention- and SHAP-based interpretability. Code only. The trained checkpoint, its per-isoform predictions and the full interpretability export are in the Zenodo source-data record (DOI 10.5281/zenodo.21544336); the starting sequencing data are in NCBI GEO under GSE329233. The analysis code for the rest of the paper is nmd_lung_longread_reproduction.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

La source scientifique ouverte est momentanément indisponible.

Les institutions déclarées

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.