Predikce sekundární struktury RNA

Abstract

Sekundární struktura RNA se stala v posledních letech fenoménem. Hraje klíčovou roli v pochopení principů genové exprese a stability RNA, a také pokládá důležitý základ pro správnou predikci terciálních struktur. Proto dochází k velice rychlému rozvoji predikce pomocí výpočetních metod a také pomocí metod strojového učení. V rámci práce byly popsány nejčastěji citované metody strojového učení pro predikci sekundárních struktur RNA. Na základě získaných znalostí byla implementována reziduální neuronová síť. Implementovaná reziduální síť byla netrénována, validována a otestována na sekvencích z datasetu bpRNA-1m, jejichž sekundární struktury neobsahují pseudouzly.RNA secondary structure has become a phenomenon in last years. It plays a key role in understanding the principles of gene expression and RNA stability. It also plays an important foundation for correct prediction of tertiary structures. That resulted into rapid development of secondary structure prediction throughout computational methods and especially machine learning methods. The most frequently cited machine learning methods for RNA secondary structure prediction were described. Based on gained knowledge, a residual network was implemented. Implemented residual network was trained, validated and tested on pseudoknotted free structures from bpRNA-1m dataset.