期刊检索

  • 2019年第17卷
  • 2018年第16卷
  • 2017年第15卷
  • 2016年第14卷
  • 2015年第13卷
  • 2014年第12卷
  • 2013年第11卷
  • 第1期
  • 第2期

主管单位 工业和信息化部 主办单位 哈尔滨工业大学 主编 任南琪 国际刊号ISSN 1672-5565 国内刊号CN 23-1513/Q

期刊网站二维码
微信公众号二维码
引用本文:冷嘉承,吴凌云.基于机器学习的RNA编辑位点预测方法综述[J].生物信息学,2019,17(1):1-8.
LENG Jiacheng,WU Lingyun.Review: prediction of RNA editing sites based on machine learning[J].Chinese Journal of Bioinformatics,2019,17(1):1-8.
【打印本页】   【HTML】   【下载PDF全文】   查看/发表评论  下载PDF阅读器  关闭
←前一篇|后一篇→ 过刊浏览    高级检索
本文已被:浏览 321次   下载 488 本文二维码信息
码上扫一扫!
分享到: 微信 更多
基于机器学习的RNA编辑位点预测方法综述
冷嘉承1,2,吴凌云1,2
(1.中国科学院数学与系统科学研究院 应用数学研究所,管理、决策与信息系统重点实验室,国家数学与交叉科学中心,北京 100190;2.中国科学院大学 数学科学学院,北京100049)
摘要:
RNA编辑是一个十分重要的生物细胞分子机制。作为转录后修饰的一步,它可以增加蛋白质组学多样性,改变转录产物的稳定性,调节基因表达等。RNA编辑失调会导致各种疾病,包括神经疾病和癌症。在动物中,腺苷到肌苷(A-to-I)的编辑是最普遍的。高通量测序技术的进步大大提高了在全局范围内检测和量化RNA编辑的能力,使得RNA编辑的大规模全基因组分析变得可行,产生了一系列基于高通量测序技术的RNA编辑位点预测方法。通过对这些方法进行介绍、总结和分析,为RNA编辑的进一步研究提供一些思路。
关键词:  RNA编辑  高通量测序  A-to-I  机器学习
DOI:10.12113/j.issn.1672-5565.201809002
分类号:Q522+.6
文献标识码:A
基金项目:国家自然科学基金(No.11631014; No.91730301;No.11661141019).
Review: prediction of RNA editing sites based on machine learning
LENG Jiacheng1,2,WU Lingyun1,2
( 1. Academy of Mathematics and Systems Science, Institute of Applied Mathematics, Chinese Academy of Science, Key Laboratory of Management, Decision and Information Systems, National Center for Mathematics and Interdisciplinary Sciences, Beijing 100190, China;2.School of Mathematics Sciences, University of Chinese Academy of Sciences, Beijing 100049, China)
Abstract:
RNA editing is an important molecular mechanism of biological cells. As a step of post-transcriptional modification, it can increase proteomic diversity, alter the stability of transcription products, regulate gene expression, and so on. RNA editing disorders can lead to a variety of diseases, including neurological diseases and cancer. Among animals, the editing of adenosine to inosine (A-to-I) is the commonest. Advances in high-throughput sequencing technology have greatly improved the ability to detect and quantify RNA editing globally, which can make large-scale genome-wide analysis of RNA editing feasible, thereby resulting in a series of prediction methods of RNA editing sites based on high-throughput sequencing technology. This article will introduce and summarize these methods and provide new perspectives for further research of RNA editing.
Key words:  RNA editing  High-throughput sequencing  A-to-I  Machine learning

友情链接LINKS