Previsione di strutture secondarie dell'RNA tramite rete neurale attraverso un algoritmo Adam based

La tesi mostra un modo per prevedere la struttura secondaria di un filamento di RNA attraverso una rete neurale convoluzionale. Questa necessità parte innanzitutto dal fatto che questo tipo di previsioni sono fondamentali nell’ambito della biologia sintetica, ma anche dal fatto che sappiamo che gli approcci algoritmici sono attualmente inapplicabili data l’assenza di modelli di ripiegamento accurati, e dato che anche con un modello accurato l’algoritmo risulterebbe NP-completo. La soluzione proposta utilizza una rappresentazione delle possibili relazioni sotto forma di tensori che elaborati dalla rete neurale restituiscono una mappa bidimensionale che rappresenta gli accoppiamenti corretti tra le basi. Il modello utilizzato risulta accurato rispetto a metodi esistenti testati su RNAStrAlign e ArchiveII. Inoltre questo metodo garantisce la stessa performance anche con strutture che presentano pseudonodi, e con qualsiasi modello energetico.