非编码RNA的预测方法技术

技术编号:18526328 阅读:28 留言:0更新日期:2018-07-25 12:55
本发明专利技术公开了一种非编码RNA功能预测方法,包括以下步骤:使用深度卷积神经网络作为深度学习模型,使用negative log likelihood函数作为代价函数,训练数据来自ENCODE和Roadmap Epigenomics projects两个数据库。本发明专利技术的非编码RNA功能预测方法通过使用公共数据库获取数据,使用深度卷积神经网络训练数据从而形成分类器,再对真实测序数据进行预测。

【技术实现步骤摘要】
非编码RNA的预测方法
本专利技术一种非编码RNA的预测方法,属于生物信息学领域。
技术介绍
转录组主要由mRNA所组成,而高通量测序技术的发展和ENCODE项目为我们揭开了一个完全不同的世界。非编码RNA才是真正的主角。除了那些众所周知的RNA(如tRNA、rRNA),许多不同类型的调控RNA也进入研究者的视线。长链非编码RNA(lncRNA)是一类转录本长度超过200nt的RNA分子,它们不编码蛋白。lncRNA的表达受到发育调控,是组织和细胞特异的。相当一部分lncRNA只位于细胞核内。它们包含许多类型的转录本,在结构上类似mRNA,有时也转录成编码基因的反义转录本。lncRNA被认为执行了重要的调控功能,也与疾病发展息息相关。
技术实现思路
本专利技术目的是提供一种非编码RNA功能预测方法,该非编码RNA功能预测方法通过使用公共数据库获取数据,使用深度卷积神经网络训练数据从而形成分类器,再对真实测序数据进行预测。本专利技术是通过以下技术手段实现的:本专利技术的非编码RNA功能预测方法,包括训练数据模块、深度卷积神经网络模块和测序数据模块。进一步,所述训练数据模块从公共数据库中获取测序数据。进一步,所述深度神经网络用于构建分类器。进一步,所述测序数据来自于真实样本的测序结果。本专利技术的有益效果:本专利技术的非编码RNA功能预测方法,可对真实样本的测序数据进行预测。附图说明图1是本专利技术非编码RNA功能预测方法的原理示意框图。具体实施方式下面结合附图对本专利技术作进一步详细描述。如图1所示,本专利技术的非编码RNA功能预测方法,包括训练数据模块、深度卷积神经网络模块和测序数据模块。所述训练数据来自于公开数据库;所述深度卷积神经网络用于从训练数据中构建分类器;所述测序数据来自于真实样本的测序结果。本专利技术的非编码RNA功能预测方法,可对真实样本的测序数据进行预测。本行业的技术人士应该了解,本专利技术不受上述实施例的限制,上述实施例和说明书中描述的只是用于说明本专利技术的原理,在不脱离本专利技术原理和范围的前提下,本专利技术还可有各种变化和改进,这些变化和改进都属于要求保护的本专利技术范围内。本文档来自技高网...

【技术保护点】
1.一种非编码RNA功能预测方法,其特征在于,包括训练数据模块、深度卷积神经网络模块和测序数据模块。

【技术特征摘要】
1.一种非编码RNA功能预测方法,其特征在于,包括训练数据模块、深度卷积神经网络模块和测序数据模块。2.根据权利要求1非编码RNA功能预测方法,其特征在于:所述训练数据来自于公开数据库。3.根...

【专利技术属性】
技术研发人员:李丽
申请(专利权)人:重庆楠桦生物科技有限公司
类型:发明
国别省市:重庆,50

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1