Метод мультимодального прогнозування ефективності трансляції мРНК за повною послідовністю на основі глибинного навчання

Abstract

Об’єкт дослідження – процес прогнозування ефективності трансляції мРНК на основі послідовнісних, структурних і статистичних характеристик транскрипту. Предмет дослідження – методи мультимодального подання повної послідовності мРНК, її функціональних сфер і структурно-статистичних ознак для регресійного прогнозування ефективності трансляції. Мета роботи – розробити, програмно реалізувати та експериментально перевірити метод мультимодального прогнозування ефективності трансляції мРНК за повною послідовністю на основі глибинного навчання. Методи дослідження – аналіз наукових джерел, біоінформатичний аналіз послідовностей, формування структурно-статистичних ознак, методи машинного та глибинного навчання, регресійне моделювання, підбір гіперпараметрів, оцінювання якості за метриками MAE, RMSE, Pearson і Spearman. У роботі розроблено відтворюваний Python-проєкт для прогнозування ефективності трансляції мРНК. Запропонований метод поєднує повну нуклеотидну послідовність, позиційну інформацію про 5′UTR, CDS і 3′UTR та 83 структурно-статистичні ознаки.