Prediction of Secondary Structure for Long Non-Coding RNAs using a Recursive Cutting Method based on Deep Learning

Accurately predicting the secondary structure of RNA, particularly for long non-coding RNA, has direct implications in healthcare, where it can be used for diagnostic, therapeutic, and drug discovery purposes. However, the majority of previous approaches are too costly in terms of computation budget...

Celý popis

Podrobná bibliografie

Vydáno v:	Proceedings / Annual IEEE International Symposium on Bioinformatics and Bioengineering (BIBE) s. 14 - 21
Hlavní autoři:	Omnes, Loic, Angel, Eric, Bartet, Pierre, Radvanyi, Francois, Tahi, Fariza
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 04.12.2023
Témata:	Bioinformatics Complexity theory Computational modeling deep learning long non-coding RNA Medical services Predictive models RNA secondary structure prediction Training
ISSN:	2471-7819
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!