跳到正文
原文
bioRxiv 预印本· Han, H.-Y., Kao, Y.-C. V., Kuo, S.-T., Chou, H.-H. D., Chang, J.-M. ·· 26 天前AI 评分18

GBactPro:基于元件解析启动子定义的跨物种细菌启动子预测模型

GBactPro: cross-species bacterial promoter prediction using element-resolved promoter definitions

AI 导读

基于Promoter Architecture Scanner(PAS)注释的-35元件、间隔区和-10元件序列训练,研究团队开发出CNN-BiLSTM模型GBactPro,在43个细菌物种的启动子数据上联合训练,留出测试集平均AUROC达0.9943。

来源:bioRxiv 预印本 · biorxiv.org