【文献阅读】Convolutional neural network architectures for predicting DNA-protein binding

应用CNN预测DNA结合蛋白质序列

不同的卷积结构会影响测试结果

本文的工作及结论：

1. 用CNN预测DNA结合序列（使用转录因子数据集）
   调整神经网络的宽度、深度以及池化层的设计
2. 与其他类型的网络模型相比，CNN在提取高阶序列特征时表现比较好
3. 使用了一些混合因子(confounding effects), 如positional or motif strength bias.，发现序列结构基准数据集对CNN的表现有很大影响。

4. 探索如何建立有效的测试集，提出了一种云框架以便后期工作

   • 现在的两个应用深度学习预测DNA结合蛋白质序列的方法：DeepBind(Alipanahi et al., 2015),
     DeepSEA(Zhou and Troyanskaya, 2015)

   • 训练数据：使用一些高通量数据 (High-throughput data), 本文中使用的是Encyclopedia of DNA Elements (ENCODE) project (Bernstein et al., 2012)

   • 如何将计算机视觉的深度学习方法应用于基因学：
     将一个窗口的基因序列当作一个有四个通道(A, T, C, G)的图像
     （需要解决的问题：如何在这个序列窗口中建立这个图像）

   实验结果

   1. max-pooling的局部性越强，网络的表现越差；低层数目越多，网络的效果越差。（不必要的复杂度会引入噪声）
   2. CNN在提取高维特征(higher-order features)的时候表现比较好。
   3. 不同CNN结构对数据集大小要求不同。