详细内容或原文请订阅后点击阅览
计算工具有助于识别植物中的长期非编码RNA
由Jian-Feng Mao领导的国际研究团队开发了Plantlncboost，这是一种新的计算工具，有助于识别植物中长期的非编码RNA。这些RNA对于众多生物过程至关重要，但不同植物物种之间有很大差异。 Plantlncboost的精度非常高，为植物中的基因组研究提供了新的可能性。这些发现最近发表在《新植物学家》杂志上。
来源:英国物理学家网首页由Jian-Feng Mao领导的国际研究团队开发了Plantlncboost，这是一种新的计算工具，有助于识别植物中长期的非编码RNA。这些RNA对于众多生物过程至关重要，但不同植物物种之间有很大差异。 Plantlncboost的精度非常高，为植物中的基因组研究提供了新的可能性。这些发现最近发表在《新植物学家》杂志上。
已发布 新的植物学家长的非编码RNA，称为lncRNA，从DNA转录为其他RNA，但它们不带有蛋白质的说明。取而代之的是，它们有助于控制基因，指导植物发育，并参与植物对干旱或热量等压力的反应。识别这些LNCRNA非常困难，因为它们的遗传序列在不同的植物物种之间差异很大。
MAO周围的团队使用机器学习解决了问题，该类型的人工智能接受了大量数据培训以查找模式。他们分析了LNCRNA的1,600多种不同特征，并仅确定了三个关键特征，这些特征可以有效地将LNCRNA与含有蛋白质代码的RNA区分开。
使用数学参数识别序列模式
使Plantlncboost特别创新的原因是它使用数学参数来捕获传统生物学特征以外的固有序列特性。研究小组使用了所谓的傅立叶转换方法。这使他们能够检测RNA序列中的模式，尽管遗传序列的变化很高，但在不同植物物种中保持一致的模式。
分析跨物种的长非编码RNA的新可能性
物种 更多信息： doi：10.1111/nph.70211期刊信息：新的植物学家
期刊信息：