Постоянная ссылка (СИД2) |
J2200342527 |
Название |
Deep attention based Proto-oncogene prediction and Oncogene transition possibility detection using moments and position based amino acid features |
Автор |
Vijayalakshmi M. |
Автор |
Vallinayagi M. |
Источник |
Научно-технический вестник информационных технологий, механики и оптики |
Страницы/Объём |
101-111 |
Сокращ. назв. источника |
Науч.-техн. вестн. информ. технол., мех. и оптики |
Год |
2024 |
Том |
24 |
Номер |
1 |
Адрес в Интернет |
http://elibrary.ru/item.asp?id=60909212 |
Постоянная ссылка (СИД) |
J22003425 |
Ключевые слова (авторские) |
гены опухолевой супрессии%двунаправленная долговременная краткосрочная память%машинное обучение%прогнозирование%протоонкогены |
Место хранения |
Удаленный доступ. Эл. регистр. НЭБ |
Дата регистрации в ВИНИТИ |
04.03.2024 |
Язык текста |
английский |
Язык резюме |
русский |
Аннотация |
Утрата регуляторной функции генов, подавляющих опухоль, и мутации в протоонкогенах являются общими механизмами, лежащими в основе неконтролируемого роста опухолей при разнообразном комплексе заболеваний, известных как рак. Онкоген можно излечить путем диагностики и лечения возможностей протоонкогена на ранних стадиях. В последнее время подходы машинного обучения помогают сосредоточить внимание и предоставить информацию о возможностях протоонкогена, который может превращаться в онкоген при различных типах рака или изменять его на ранних стадиях. Предложен эффективный и уникальный предиктор протоонкогена с помощью нейронной сети Bi-Directional Long Short Term Memory (BiLSTM), дополненный концепцией ухода за больными. Этот подход также позволяет определить вероятность перехода от протоонкогена к онкогену с использованием статистических моментов, представления аминокислотного состава на основе положения и глубоких особенностей, извлеченных из последовательности. В работе применен классификатор K-Nearest Neighbor с помощью, которого можно определить вероятность перехода от протоонкогена к раковому онкогену |
Тематический раздел |
Биология |