[Brief. Bioinformatics | 论文简读] 一种从生物序列中提取特征的工具

简读分享 | 乔剑博 编辑 | 龙文韬

论文题目

A tool for feature extraction from biological sequences

论文摘要

测序技术的进步产生了大量的生物数据。分析如此大量的数据超出了人类的能力，为机器学习方法的发展创造了绝佳的机会。然而，这些方法只有在将序列转换为特征向量时才实用。许多工具都针对此任务，包括 iLearnPlus，这是一种基于 Python 的工具，支持丰富的功能集。在本文中，作者提出了一种从生物序列（即 DNA、RNA 和蛋白质）中提取特征的整体工具。这些特征是预测输入序列的属性、结构或功能的机器学习模型的输入。作者的工具不仅支持 iLearnPlus 中的所有功能，还支持文献中存在的 30 个附加功能。而且，作者的工具基于 R 语言，它为生物信息学家将序列转换为特征向量提供了替代方案。作者将作者工具的转换时间与 iLearnPlus 的转换时间进行了比较：作者转换序列的速度要快得多。作者将小核苷酸的转化速度中位数提高了 2.8 倍，而对于大序列，作者的表现优于 iLearnPlus 的中位数 6.3 倍。最后，在氨基酸方面，作者的工具实现了 23.9 倍的中位加速。

论文链接

https://academic.oup.com/bib/article/23/3/bbac108/6563937