カオスゲーム表現とニューラルネットワークを使用したスプライスサイトの検出

カオスゲームの表現と人工ニューラルネットワークを使用して、アクセプターとドナーのスプライス部位を検出するための新しい方法が提案されています。高精度を達成するために、ニューラルネットワークまたは特徴ベクトルへの入力は、DNAセグメントの真の性質を反映しなければなりません。したがって、1対1の数値表現を持つことが重要です。つまり、機能ベクトルは元のデータを表現できる必要があります。Chaosゲーム表現（CGR）は、DNA配列で各ヌクレオチドを1対1の方法でそれぞれの位置に割り当てる反復マッピング手法です。CGRを使用すると、DNA配列は、元のシーケンスの真の性質を反映する数値シーケンスにマッピングできます。この研究では、NN269データセットのスプライス部位を検出するために、ニューラルネットワークへの特徴入力としてCGRを使用することを提案します。計算実験では、このアプローチは、文献の他の方法よりも単純でありながら、1つのニューラルネットワークコンポーネントのみを備えた精度を高めることを示しています。このメソッドのコードとデータは、このリンクからアクセスできます：https：//github.com/thoang3/portfolio/tree/splicesites_ann_cgr。

A novel method is proposed to detect the acceptor and donor splice sites using chaos game representation and artificial neural network. In order to achieve high accuracy, inputs to the neural network, or feature vector, shall reflect the true nature of the DNA segments. Therefore it is important to have one-to-one numerical representation, i.e. a feature vector should be able to represent the original data. Chaos game representation (CGR) is an iterative mapping technique that assigns each nucleotide in a DNA sequence to a respective position on the plane in a one-to-one manner. Using CGR, a DNA sequence can be mapped to a numerical sequence that reflects the true nature of the original sequence. In this research, we propose to use CGR as feature input to a neural network to detect splice sites on the NN269 dataset. Computational experiments indicate that this approach gives good accuracy while being simpler than other methods in the literature, with only one neural network component. The code and data for our method can be accessed from this link: https://github.com/thoang3/portfolio/tree/SpliceSites_ANN_CGR.