Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > q-bio > arXiv:2412.20933

帮助 | 高级搜索

定量生物学 > 生物大分子

arXiv:2412.20933 (q-bio)
[提交于 2024年12月30日 ]

标题: ProtScan:RNA-蛋白质相互作用的建模与预测

标题: ProtScan: Modeling and Prediction of RNA-Protein Interactions

Authors:Gianluca Corrado, Michael Uhl, Rolf Backofen, Andrea Passerini, Fabrizio Costa
摘要: CLIP-seq方法是用于实验确定RNA结合蛋白转录组范围结合位点的有价值技术。 尽管此类技术不断改进(例如eCLIP),但结果受到各种类型噪声的影响,并依赖于实验条件,如细胞系、组织、基因表达水平、应激条件等,这为RNA-蛋白质相互作用的计算建模提供了途径。 在这里,我们介绍了ProtScan,一种基于共识核化随机梯度下降回归的预测工具。 ProtScan去除了CLIP-seq实验中包含的信息的噪声并进行了泛化。 它优于竞争性的最先进方法,可用于在转录组范围内建模RNA-蛋白质相互作用。
摘要: CLIP-seq methods are valuable techniques to experimentally determine transcriptome-wide binding sites of RNA-binding proteins. Despite the constant improvement of such techniques (e.g. eCLIP), the results are affected by various types of noise and depend on experimental conditions such as cell line, tissue, gene expression levels, stress conditions etc., paving the way for the in silico modeling of RNA-protein interactions. Here we present ProtScan, a predictive tool based on consensus kernelized SGD regression. ProtScan denoises and generalizes the information contained in CLIP-seq experiments. It outperforms competitor state-of the-art methods and can be used to model RNA-protein interactions on a transcriptome-wide scale.
评论: 19页,4图
主题: 生物大分子 (q-bio.BM)
引用方式: arXiv:2412.20933 [q-bio.BM]
  (或者 arXiv:2412.20933v1 [q-bio.BM] 对于此版本)
  https://doi.org/10.48550/arXiv.2412.20933
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Fabrizio Costa [查看电子邮件]
[v1] 星期一, 2024 年 12 月 30 日 13:23:00 UTC (517 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
q-bio.BM
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-12
切换浏览方式为:
q-bio

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号