欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021105970786
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-11-17
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于深度学习的RNA和蛋白质结合位点的识别方法,其特征在于:其方法包括如下步骤:

识别方法分为两部分:数据处理和模型设计训练,各部分主要步骤如下:第一步、数据处理:

使用CLIPdb中的数据作为数据集,该数据集由19中RBP的31个实验组成,对于每个实验中的数据,源自CLIP‑seq的相互作用位点簇内的RNA的所有核苷酸均被视为结合位点,该数据集中的原始数据是fasta格式的RNA序列文件,具体步骤如下:步骤1、原始数据去冗余:数据处理时,首先使用CD‑HIT软件对数据进行去冗余;

步骤2、预测原始数据中RNA序列对应的二级结构信息:通过RNAfold模型预测RNA序列的二级结构信息;

步骤3、对步骤2中获得的二级结构进行编码:使用bpRNA模型将二级结构信息转化为二级结构注释;

步骤4、将所有数据信息汇总后进行筛选,清除掉数据集中的不合法数据,将原训练中的数据按照4:1的比例拆分为训练集和验证集,原测试集依然作为测试集,将所有数据保存在对应的csv文件中作为输入数据;

第二步、模型设计及训练:

模型中包括三种网络模型,即卷积神经网络、transformer网络和全连接神经网络,卷积神经网络用于提取数据特征,两个一维卷积神经网络同时对RNA数据的序列和结构特征进行提取,transformer用于捕捉序列间的上下文之间的依赖,全连接层神经网络根据组合特征进行分类预测,具体步骤如下:步骤1、由于数据序列和结构信息都是文本类数据,计算机无法识别,需要对其进行一位有效编码,编码为数据矩阵作为模型输入;

步骤2、将编码后的序列矩阵和二级结构矩阵输入到对应的卷积神经网络中提取对应的特征矩阵,两个特征矩阵维度相同;

步骤3、transformer的位置编码抽取序列的时序特征,时序特征与卷积神经网络编码提取的特征矩阵维度相同,三者相加作为组合特征,将组合特征输入到编码器中;

步骤4、使用八个相同的编码器堆叠而成,每个编码器都包括两个子层,第一个子层是注意力机制层,该层利用八个平行的注意力层同时开始计算,使用一个残差连接和Layer Normalization相连接,第二个子层是完全连接层,这一层主要就是两层线性映射和一个激活函数,再连接一个残差连接和Layer Normalization,经过八层编码器的输出就是最终编码器编码的结果;

步骤5、将编码之后的结果输入到完全连接层进行最终的分类,通过完全连接层得到分类结果的概率值,经过sigmoid函数得到最终类别。