DB-IRES：一种基于集成学习的深度学习模型，用于预测核糖体进入位点

《BMC Bioinformatics》：DB-IRES: a deep learning model based on ensemble learning for predicting internal ribosome entry sites

　　

摘要

背景

内部核糖体进入位点（IRES）是存在于特定病毒和细胞mRNA中的、无需5’帽结构的翻译起始元件。它们能够直接引导核糖体进行蛋白质合成，从而避免了对传统5’帽结构的依赖。鉴于其在病毒致病机制及细胞翻译调控中的关键作用，准确识别IRES对于深入研究相关机制以及探索潜在治疗手段至关重要。然而，手动识别既耗时又昂贵，而现有的计算方法在准确性和稳定性方面也存在局限。

结果

DB-IRES是一种专为这一目的设计的新型深度学习模型，它在集成学习框架中融合了密集连接的1D卷积神经网络模块、双向门控循环单元以及自注意力机制。通过五折交叉验证策略进行训练后，该综合模型在独立测试集上的预测性能优于现有方法，且更具稳定性。在多项评估指标上，该模型均展现出更强的区分能力，从而证明了其混合架构与集成设计的高效性。

结论

DB-IRES是一种可靠且精准的计算机工具，可用于预测IRES元件。其优异的性能有助于更深入地研究IRES的生物学功能，同时为RNA研究及相关疗法的开发提供更大助力。