Micro RNA (miRNA) zohrávajú významnú úlohu regulátorov v
kľúčových biologických procesoch a chorobách, tlmením
post-transkripčnej expresie génov, ktorú dosahujú väzbou na
cieľové úseky na mediátorových RNA. Algoritmickú predikciu
napojenia molekúl miRNA na cieľové úseky, výrazne sťažuje
zatiaľ nedostatočne riešený problém nevyváženého zastúpenia
tried. Táto nerovnováha vzniká medzi menším počtom
experimentálne overených miest väzby (braných ako pozitívna
trieda) a nadmerne zastúpenou negatívnou triedou (zostávajúce
oblasti transkriptu mRNA). V tejto práci ponúkame prehľad
všeobecných metód navrhnutých na riešenie problému nepomeru
tried a vyhodnocujeme ich vplyv na túto predikčnú úlohu. Okrem
toho navrhujeme novú metódu, ktorá cielene vyberá ťažké
trénovacie príklady a upravuje ich, aby nimi mohla byť
obohatená nová trénovacia množina. Experimentálne výsledky
ukazujú, že trénovanie konvolučných neurónových sietí s
ľubovoľnou architektúrou pomocou nášho prístupu výrazne
zlepšuje metriky ako oblasť pod krivkou špecificity a
senzitivity, pričom sa výrazne skracuje čas tréningu. Kód a
ukážky experimentov sú verejne dostupné na stránke
https://github.com/Janowie/dl_for_mirna_mediated_targeting.