Genome Biol | 杨力组开发基于深度学习的计算分析框架实现RNA测序数据直接鉴别RNA编辑与DNA突变位点

文章预览

人类转录组中存在大量的RNA突变信息，其主要是 人腺苷脱氨酶 （ ADAR ） 催化的腺苷 （A） 到肌苷 （I） 的RNA编辑 （A-to-I RNA editing, REs） ，如何能从海量转录组数据中排除测序错误、比对错误以及DNA突变等信息的干扰，有效且精准地识别这些RNA编辑位点是转录组计算生物学领域的研究难点。近期，以深度学习为代表的人工智能方法，在各个领域展现出强大的应用前景，为解决如何从RNA测序数据中精确区分RNA编辑与DNA突变的这一难题提供了新的思路。 2024年10月08日， Genome Biology 在线发表了复旦大学生物医学研究院 杨力 研究组题为 DEMINING: a deep learning model embedded framework to distinguish RNA editing from DNA mutations in RNA sequencing data  的最新研究成果， 本研究发布了一套新型计算分析框架——DEMINING，可以从RNA测序数据直接鉴别RNA编辑与DNA突变位点。 本研究开 ………………………………