每日科研进展 l 2024.11.13 l-349_

dsRNAPredictor-II：基于序列长度分布的赤拟谷盗 dsRNA 识别及其沉默效率的改进预测器

RNA干扰（RNAi）技术已被广泛应用于基因功能研究，在害虫防治方面具有巨大的应用潜力。然而，最近的研究表明，靶标昆虫种类、dsRNA分子长度、靶基因和其他实验因素都会影响RNAi控制的效率，制约了该技术的进一步发展和应用。因此，本研究旨在利用生物信息学建立一个深度学习模型，帮助研究人员识别具有最高RNAi效率的dsRNA片段。在本研究中，我们优化了现有的dsRNAPredictor模型，设计了基于不同序列长度的子模型。据此，将数据分为两组：130–399bp和400–616bp长的序列。然后，采用独热编码提取序列信息。采用由三个卷积层、三个平均池化层、一个扁平层和三个密集层组成的卷积神经网络框架作为分类器。通过调整参数，我们针对不同的序列分布建立了两个子模型（图 1）。