bioRxiv 预印本· Han, J., Shipman, S. L. ·· 23 小时前AI 评分18
DeSTAR：高通量变异文库与机器学习助力Detectrons中toehold-switch设计的靶位点选择
High-throughput variant libraries and machine learning enable robust target-site selection for toehold-switch design in Detectrons
AI 导读
研究团队开发了机器学习辅助的靶位点排序模型DeSTAR，用于可编程RNA传感器（Detectrons）的toehold-switch设计。该模型基于覆盖6种RNA靶标的全转录本、单核苷酸分辨率传感器文库训练，在留一转录本评估中，其排名靠前的位点富集高性能传感器，主要由传感器茎区的可解释序列语法驱动。
来源：bioRxiv 预印本 · biorxiv.org