ES-ARCNN: Predicting enhancer strength by using data augmentation and residual convolutional neural network.

Zhang, Ting-He; Flores, Mario; Huang, Yufei

Zhang, Ting-He; Flores, Mario; Huang, Yufei.

Afiliação

Zhang TH; Department of Electrical and Computer Engineering, The University of Texas at San Antonio, San Antonio, TX, 78249-0669, USA.
Flores M; Department of Electrical and Computer Engineering, The University of Texas at San Antonio, San Antonio, TX, 78249-0669, USA. Electronic address: mario.flores@utsa.edu.
Huang Y; Department of Electrical and Computer Engineering, The University of Texas at San Antonio, San Antonio, TX, 78249-0669, USA; Department of Populational Health Science, The University of Texas Health San Antonio, San Antonio, TX, 78229, USA. Electronic address: yufei.huang@utsa.edu.

Anal Biochem ; 618: 114120, 2021 04 01.

Article em En | MEDLINE | ID: mdl-33535061

Assuntos

Biologia Computacional; Bases de Dados Genéticas; Elementos Facilitadores Genéticos; Modelos Genéticos; Redes Neurais de Computação; Fatores de Transcrição/metabolismo; Humanos

Palavras-chave

Augmentation; Residual convolutional neural network; Reverse complement; Shift; Strong enhancer; Weak enhancer

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Base de dados: MEDLINE Assunto principal: Fatores de Transcrição / Elementos Facilitadores Genéticos / Redes Neurais de Computação / Biologia Computacional / Bases de Dados Genéticas / Modelos Genéticos Tipo de estudo: Prognostic_studies / Risk_factors_studies Limite: Humans Idioma: En Ano de publicação: 2021 Tipo de documento: Article

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google