| 植物可翻译lncRNA预测方法的比较研究 | |
曹子雍; 刘长宁
| |
| 2025 | |
| Source Publication | 计算机时代
 |
| ISSN | 1006-8228 |
| Issue | 06Pages:33-38 |
| Abstract | 随着植物长非编码RNA研究的深入，部分lncRNA（长非编码RNA）被发现能通过小开放阅读框（smORFs）翻译功能性小肽，这些小肽在植物生长、发育和逆境应答中发挥重要作用。本文主要比较了现有用于植物可翻译lncRNA识别的计算方法的差异与优势，包括基于序列特征、机器学习模型和多源数据融合的预测方法。通过对不同计算方法的评估，本文总结了它们在准确率、灵敏度、特异性等方面的优缺点，并提出了未来可能的改进方向，如深度学习的应用和多组学数据的结合。 |
| Keyword | 植物lncRNA 可翻译lncRNA 计算方法 机器学习 序列特征 多组学数据 |
| DOI | 10.16644/j.cnki.cn33-1094/tp.2025.06.007 |
| Language | 中文 |
| Citation statistics | |
| Document Type | 期刊论文 |
| Identifier | https://ir.xtbg.ac.cn/handle/353005/14793 |
| Collection | 2012年后新成立研究组 |
| Affiliation | 1.中国科学院西双版纳热带植物园 2.中国科学院大学 |
| Recommended Citation GB/T 7714 | 曹子雍,刘长宁. 植物可翻译lncRNA预测方法的比较研究[J]. 计算机时代,2025(06):33-38. |
| APA | 曹子雍,&刘长宁.(2025).植物可翻译lncRNA预测方法的比较研究.计算机时代(06),33-38. |
| MLA | 曹子雍,et al."植物可翻译lncRNA预测方法的比较研究".计算机时代 .06(2025):33-38. |
| Files in This Item: | Download All | |||||
| File Name/Size | DocType | Version | Access | License | ||
| 植物可翻译lncRNA预测方法的比较研究（1717KB） | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | View Download | |
Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.
Edit Comment