笔记|日常笔记

发表于 2021-12-01 分类于读书笔记阅读次数：

日常随笔的一些想法

2021.12.1

对这段lncrna上的sORF预测这个sORF是否具有编码能力

分析编码的肽是否具有蛋白功能

目标：给一段序列分析这条序列上从哪个点开始到哪个点结束是可能的一个具有编码能力的sORF

是根据这个物种的数据然后预测这个物种的其他序列的sORF 是否有可能具有编码能力

还是根据这个物种的数据预测另外物种的序列？

1.怎么找小开放阅读框？起始？结束？
ATG开始 TGA TAA TAG结束
2.给一段序列 -》找到小开放阅读框-》判断这个小开发阅读框是不是能编码蛋白

ORFfinder 搜索开放阅读框存在的问题

1.只能选择最小密码子个数，不能选择最大密码子个数

基于主动学习的lncRNA编码短肽预测

最终的实现效果是

给点一个LncRNA序列->寻找到小开放阅读框(可能有多个小开放阅读框)->判断这个小开放阅读框是否能编码短肽->若能,输出预测的短肽序列，这个小开发阅读框的在LncRNA序列上的起始位置，末尾位置,小开放阅读框的序列

在GreeNC上找到lncRNA的基因序列ID

在NCBI上根据ID查找到基因

下载下来基因，RNA，蛋白质序列

找到RNA序列的所有小开放阅读框->翻译成蛋白质序列->与下载下来的蛋白质序列匹配成功的作为正集，失败的作为负集

数据集的，1，2，3位置都有相应可编码小开放阅读框

利用知识推理来处理不平衡数据集？

拟南芥负集

用GAN/Transformer/BERT做稀有类生成，放入主动学习池

主动学习做查询策略，选择最有价值一批生成样本，选择相同数量负集，加入训练集，将选择的生成样本反向传播至生成模型，优化生成模型。