上海交大余祥课题组发布可迁移深度学习模型，鉴定多类型 RNA 修饰、显著减少计算成本
💡
原文中文，约4500字，阅读约需11分钟。
📝
内容提要
上海交通大学研究团队开发了TandemMod深度学习模型，可直接在纳米孔中鉴定多种RNA修饰，减少数据量和训练时间，具有高准确性，适用于不同物种的DRS数据测序。
🎯
关键要点
- 上海交通大学研究团队开发了TandemMod深度学习模型，能够在纳米孔中鉴定多种RNA修饰。
- RNA修饰是重要的转录后调控方式，参与多种生物学功能。
- 目前已发现超过160种RNA修饰，传统方法难以同时检测多种修饰。
- TandemMod模型显著减少训练集数据量和模型训练时间，适用于不同物种的DRS数据测序。
- 研究团队使用多组数据集训练TandemMod模型，验证其性能。
- TandemMod在m⁶A和m⁵C的识别中表现出高准确率，优于其他经典机器学习算法。
- 迁移学习技术在TandemMod中有效减少了训练数据和计算资源的需求。
- 研究团队还验证了TandemMod在新物种中的应用能力，并绘制了水稻在高盐胁迫下的表观修饰图谱。
- RNA修饰研究仍在不断发展，多个团队和企业在此领域进行探索。
❓
延伸问答
TandemMod模型的主要功能是什么？
TandemMod模型能够在纳米孔中鉴定多种RNA修饰，显著减少数据量和训练时间，适用于不同物种的DRS数据测序。
RNA修饰在生物学中有什么重要性？
RNA修饰是重要的转录后调控方式，参与多种生物学功能，如影响细胞生长和疾病相关性。
TandemMod模型如何减少计算成本？
TandemMod通过迁移学习技术显著减少了训练集数据量和模型训练时间，从而降低计算成本。
TandemMod在RNA修饰识别中的准确性如何？
TandemMod在m⁶A和m⁵C的识别中表现出高准确率，优于其他经典机器学习算法。
TandemMod模型的训练过程是怎样的？
TandemMod模型的训练包括数据预处理、模型预训练和迁移学习，使用多组数据集进行实验。
TandemMod模型的应用范围有哪些？
TandemMod可用于动植物和微生物体内的RNA修饰位点鉴定及表观转录组研究，也适用于检测RNA疫苗等人工修饰的RNA。
➡️
