一、选题背景和意义：
环状RNA是一类由反向剪接产生的闭合RNA，具有组织特异性、疾病特异性和表达相对稳定等特征。近年来，环状RNA(circRNA)作为非编码RNA研究领域的焦点，被发现在基因表达的调控、生物的生长发育和疾病的发生发展等发挥着重要的作用。但是到目前为止，环状RNA的产生机制和产生条件仍然没有明确的答案。本课题将利用机器学习算法来探索环状RNA的产生条件以及环状RNA的预测。
深度学习是机器学习领域的一个新的研究方向，由于其在学习样本数据内在规律和多层次的表示而在图像处理和语音识别等信息处理领域获得巨大成功，从而备受关注。 深度学习通过建立、模拟人脑的分层结构来实现对外部输入的数据进行从低级到高级的特征提取，从而能够更好地解释外部数据。
由于绝大部份环状RNA都来源于编码序列，因此通过常用的区分编码序列和非编码序列的特征来识别环状RNA是非常困难的。因此，本项目在在考虑环状RNA特有的反向剪接信号的前提下，将采用一种基于深度学习算法的方法来提取环状RNA的成环特征，从而实现环状RNA与其他线性RNA的分类识别。
二、课题关键问题及难点：
关键问题：搭建一个基于深度学习神经网络的模型，提取环状RNA的特征描述符，并有效地对其进行分类。
难点：不同特征描述符的提取所需模型也不同，需要将多个模型进行模型融合，优化参数以此获得最优模型。
三、文献综述（或调研报告）：
【摘要】
环状RNA（circRNA）是一类特殊的非编码RNA分子，与传统的线性RNA不同，circRNA分子呈封闭环状结构，不受RNA外切酶影响，表达更稳定，不易降解。在功能上，近年的研究表明，circRNA分子富含microRNA结合位点，通过与疾病关联的miRNA相互作用， circRNA在疾病中发挥着重要的调控作用。对环状RNA的检测则对了解其生物发生和目的具有意义。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
