视觉计算实验室2018级硕士研究生闫建荣，在SCI期刊IEEE Access上发表题为“A Review about RNA–protein-binding Sites Prediction Based on Deep Learning” (基于深度学习的RNA与蛋白质结合位点预测综述) 的研究论文。该论文作者包括实验室2018级硕士研究生闫建荣，朱敏教授为通讯作者。
RNA结合蛋白（RBPs）在基因调控中起着至关重要的作用。随着高通量实验方法的出现，产生了大量经实验证实的RNA结合蛋白结合位点，极大地推进了RNA与蛋白质相互作用的全基因组研究。但它们既耗时又昂贵。此外，由于实验噪声和现有技术的局限性，收集的数据中仍然存在假阳性和假阴性的问题。因此，机器学习与深度学习方法成为当前研究的重点。
本文对机器学习和深度学习算法进行了总结，之后介绍了深度学习在预测RNA与蛋白质结合位点研究中的应用。此外，我们还讨论了这些方法的优缺点，并揭示了深度学习的工作流程。我们也推荐了一些RBP结合位点研究的未来发展方向，比如词嵌入、生成对抗网络和注意力模型等。此外，在文章中还概括了motif的提取和可视化方法。对训练过程中可能出现的问题如过度拟合、超参数调整等，提出了相应的解决办法。最后，总结了相关的研究，并对其在不同数据集上的性能进行了比较。
IEEE Access是IEEE出版的开源期刊，稿件范围涵盖IEEE的所有领域。该期刊2019年影响因子为3.745，属于中科院大类二区期刊。
期刊链接：https://ieeeaccess.ieee.org/.
文章链接：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9162095.
闫建荣，2018级计算机学院（软件学院）研究生，在校期间荣获三等奖学金以及优秀研究生称号。主要研究方向为生物信息学，在校期间参与多项研究领域相关学术交流活动，例如：CBC2019、ChinaVis可视分析大会等。与成都信息工程大学张永清副教授合作“A Review on the Application of Deep Learning in Bioinformatics” ，目前已被Current Bioinformatics（SCI，IF=2.068）接收。