基于类别信息和Hopfield网络预测RNA二级结构

RNA二级结构预测的模型之一是将其视为最大独立集问题,可以通过Hopfield网络大致解决该问题。 但是,在预测天然分子时,模型并不总是准确的,Hopfield网络的启发式方法也不总是稳定的。 这是因为类别信息丢失,并且准确性不仅仅由碱基对的数目确定。 非编码RNA的二级结构被认为在同一类别上是保守的。 但是,如今用于RNA二级结构预测的软件和Web服务器并未考虑类别信息。 在本文中,我们将类信息包含在Hopfield网络的初始化中。 当初始化得到改善时,有希望的实验结果表明了我们提出的方法的有效性和优越性。