Тема: ПРИМЕНЕНИЕ ГЕНЕРАТИВНЫХ МОДЕЛЕЙ ДЛЯ УЛУЧШЕНИЯ РАСПОЗНАВАНИЯ ВТОРИЧНЫХ СТРУКТУР ДНК

ДНК является жизненно важной молекулой для всех живых организмов, храня и передавай генетическую информацию. Вторичная структура ДНК может приобретать различные формы, такие как A-ДНК, B-ДНК, Z-ДНК, H- ДНК. B-ДНК в геномах организмов находится в гораздо большем количестве, чем другие формы. Однако вторичные структуры, отличные от B-ДНК, играют важную роль в регуляции процессов живых организмов.
На данные момент существуют лабораторные методы, которые позволяют размечать ДНК последовательности. Но для таких методов требуются дорогостоящие реагенты и материалы. С развитием машинного обучения появились более дешёвые компьютерные методы аннотирования ДНК последовательностей.
Существующие подходы машинного обучения к распознаванию вторичных структур ДНК полагаются на данные с незначительным содержанием отличных от B-формы структур ДНК и поэтому страдают от дисбаланса классов. Из-за дисбаланса модели машинного обучения не могут с большой точностью распознать миноритарный класс последовательности ДНК, что приводит к плохой производительности и уменьшению сферы использования таких моделей.
Целью данного исследования является разработка нового метода для генерации правдоподобных вторичных структур ДНК для дополнения миноритарных классов в наборах данных без нарушения их структурной целостности. Такой подход позволит увеличить количество последовательностей в миноритарных классах, что, как ожидается, улучшит точность распознавания вторичных структур ДНК, отличных от B-ДНК.

Купить

Результаты проведённой работы продемонстрировали, что предложенный метод генерации последовательностей вторичных структур ДНК способен создавать последовательности, схожие с реальными и при этом сохраняющие важные структурные характеристики.
Сгенерированные последовательности ДНК имеют схожее содержание GC-нуклеотидов с реальными данными. Кроме того, сгенерированные последовательности отличаются от реальных данных в небольшой степени, что свидетельствует об их схожести.
В случае Z-ДНК для HG Kouzine сгенерированные последовательности также обладают схожими характеристиками с реальными последовательностями. Результаты показывают, что сгенерированные последовательности содержат Z-ДНК, хотя её содержание ниже, чем в реальных данных.
Для MM Chipseq несмотря на удовлетворительную генерацию ДНК, Z- ДНК сгенерированные последовательности значительно отличаются от реальных Z-ДНК. Что, возможно, может быть связано с тем, что в обучающих данных многие последовательности, помеченные как Z-ДНК, схожи с B-ДНК, поэтому модель воспринимает их неправильно.
Результаты данного исследования свидетельствуют о том, что предложенный метод генерации последовательностей ДНК разного типа может быть эффективным инструментом для устранения дисбаланса классов в наборах данных для распознавания вторичных структур ДНК и потенциально может улучшить качество моделей классификации.

Купить