今天给大家带来一篇加利福尼亚大学Xiaohui Xie老师近期发表NAR上关于RNA二级结构预测方法的文章:《UFold: fast and accurate RNA secondary structureprediction with deep learning》。RNA 二级结构对于调控来说具有非常重要的作用，确定 RNA 二级结构，对分析和理解基因遗传信息的传递机制至关重要。传统的 RNA 二级结构预测算法主要基于通过自由能最小化的热力学模型，其先验假设强，但运行速度慢。这里，作者提出了一种基于深度学习的RNA 二级结构预测方法(UFold)，其结合类似图像的 RNA 序列表示和卷积神经网络 (FCN) ，能够直接根据注释数据和碱基配对规则进行学习并预测。作者在家族内和跨家族 RNA 数据集上对 UFold 的性能进行了基准测试，发现在家族内数据集上显著优于其他方法，在不同的 RNA 家族上也达到了与传统方法相近的性能。此外，UFold还能够准确预测伪结，并且预测速度很快，每个序列的推理时间约为 160 ms，最长可达 1500 bp。同时，作者还提供了web线上预测服务：https://ufold.ics.uci.edu。

内容中包含的图片若涉及版权问题，请及时与我们联系删除