Human Splicing Finder: an online bioinformatics tool to predict splicing signals阅读笔记

介绍：HSF在BPP的文章中被描述为‘’HSF is an online bioinformatics tool to predict the effects of mutations on splicing signals (Desmet et al., 2009). It can identify BPS based on a position weight matrix (PWM) from the consensus sequence YNYCRA Y . However, the lack of a standalone version limits its wider application.‘’

1

这段主要是讲使用位置权重模型进行预测，并非机器学习的方法。我感兴趣的是：1.它可以对突变影响作出预测，这个不知道机器学习能否做到2.PWM也是我最先考虑的方法，但是设计难度要更高，更依赖专家知识，既往经验去设计。比起机器学习的学习方式，可能会失去一些新发现。但是对既往的数据表现应该更好。

LaBranchoR阅读笔记

2

本段：主要采用的方法是LSTM的机器学习方法，RNN和一维卷积神经网络是处理序列、文本文件的有利手段。本文采用Keras平台作为机器学习的实现基础，其中的一些处理手段都是机器学习的常见手段。

问题：1.是否采用相似的方法去做机器学习，如果相似创新点在哪里。2.安装keras 3.本文还就SNP、突变影响有一些处理，在我们的方法里，这部分该如何解决。HSF中提出的解决办法似乎未必能成立。

CIRI文章阅读笔记

2

流程中的两次比对和我的方法很像，这种从头识别的方法应该都比较相似，都是先用CIGAR筛选，再做二次筛选。主要是用位置信息和双端测序的信息去鉴别，缺点是本文落脚点在identification，并不进行预测。但是鉴别时候利用的双端信息很有启发，准备加入进我的方法。二次筛选使用的动态规划法，可以考虑借鉴。