딥 뉴럴 네트워크와 하이브리드 특징을 이용한 5-하이드록시메틸사이토신 수정을 위한 서열 기반 모델

초록 RNA 수정은 새롭게 합성된 구조의 개발에 중요한 역할을 하며, 다양한 RNA 클래스에서 광범위한 변화를 보여줍니다. 그 중에서 5-하이드록시메틸사이토신(5HMC)은 유전자 조절 및 후성 유전적 변화에서 중요한 역할을 하며, 기존 방법을 통한 검출은 번거롭고 비용이 많이 듭니다. 이를 해결하기 위해 우리는 정확한 5HMC 샘플 식별을 위한 기계 학습 알고리즘과 구별 가능한 특징 추출 기술을 활용하는 강력한 학습 모델인 Deep5HMC를 제안합니다. 우리의 접근법은 랜덤 포레스트, 나이브 베이즈, 결정 트리, 서포트 벡터 머신을 포함한 다양한 기계 학습 알고리즘과 7가지 특징 추출 방법을 통합합니다. K-겹 교차 검증을 통해 우리의 모델은 84.07%의 정확도를 달성하며, 이전 모델보다 7.59% 높아져서 조기 암 및 심혈관 질환 진단에서의 가능성을 시사합니다. 이 연구는 Deep5HMC가 의료 평가 및 치료 프로토콜 개선을 위한 통찰력을 제공하는 데 기여할 가능성을 강조하며, RNA 수정 분석에서 중요한 발전을 이룹니다.