中国矿大团队，开发集成多尺度深度学习模型，用于 RNA 甲基化位点预测

研究表明，通过转录后 RNA 修饰进行的表观转录组调控，对于所有种类的 RNA 都是必不可少的。准确识别 RNA 修饰，对于了解其目的和调控机制至关重要；并且，这些信息将可能对众多人类疾病的研究带来巨大帮助。然而，识别 RNA 修饰位点的传统实验方法相对复杂、耗时且费力。

中国矿业大学的研究人员提出了一种集成多尺度深度学习预测器（EMDLP），以 NLP 和 DL 方式识别 RNA 甲基化位点。它有机地结合了扩张卷积和双向 LSTM（BiLSTM），有助于更好地利用局部和全局信息进行站点预测。

该研究以「EMDLP: Ensemble multiscale deep learning model for RNA methylation site prediction」为题，于 2022 年 6 月 8 日发布在《BMC Bioinformatics》。

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