一种基于深度卷积神经网络的RNA-蛋白质结合位点预测方法技术

本发明专利技术属于生物信息学领域，涉及一种基于深度卷积神经网络的RNA

【技术实现步骤摘要】
一种基于深度卷积神经网络的RNA
‑
蛋白质结合位点预测方法


[0001]本专利技术属于生物信息学领域，涉及一种基于深度卷积神经网络的RNA
‑
蛋白质结合位点预测方法，其中包括卷积神经网络和RNA序列数据处理等技术。

技术介绍

[0002]RNA结合蛋白 (以下简称RBPs) 在许多生物过程中发挥关键作用，例如：基因调控、mRNA定位等。一些RBPs的突变可能会导致人类疾病。例如：RBPs FUS和TDP
‑
43的突变可导致肌萎缩性侧索硬化症。因此，解码RBPs可以对许多生物学机制有更深入的见解。
[0003]通过实验的方法检测RBPs耗时且昂贵。使用从现有注释知识中学习到的模式来计算预测RBPs是一种快速的方法。许多的计算方法已经被提出，神经网络和支持向量机等相关方法已经被成功的应用于预测RBPs。
[0004]本专利技术最重要的创新点是提出了一种新的提取RNA序列结合信息的方法，即通过不同长度的窗口分别处理RNA序列，使得模型可以提取更丰富的序列结合信息，提高模型预测RNA本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度卷积神经网络的RNA
‑
蛋白质结合位点预测方法，包括预处理RNA序列、训练卷积神经网络和测试卷积神经网络三个过程，其具体步骤如下：步骤1、为了从RNA序列中提取更多的结合信息，需要使用不同长度的窗口分别处理RNA序列，因此，需要首先确定不同的窗口长度；步骤2、使用不同长度的窗口分别处理RNA序列；对于不等长的RNA序列，当窗口长度大于RNA序列时，使用补足碱基N把RNA序列填充到窗口长度；当窗口长度小于RNA序列时，根据窗口长度把RNA序列分割成多个有部分重叠的等长子序列，子序列不足的RNA序列使用全是补足碱基N的子序列填充；步骤3、把步骤2中使用不同长度的窗口分别处理好的RNA序列数据通过单热编码的方式编码成多个矩阵；步骤4、把步骤3中生成的多个单热编码矩阵作为卷积神经网络的输入，训练多个卷积神经网络模型；步骤5、保存训练好的多个卷积神经网络模型；步骤6、使用步骤5中保存好的模型来预测输入的RNA序列数据。2.根据权利要求1所述的一种基于卷积神经网络的RNA
‑
蛋白质结合位点预测方法，步骤1的实现过程如下：确定处理RNA序列所使用的不同窗口长度：将501个核苷酸的长度作为初始窗口长度MaxL；其余窗口长度分别以MaxL为初始长度递减核苷酸个数为X的整数倍；考虑到模型的预测性能以及模型训练的和测试时间，X的值确定为50，窗口的最小长度MinL为101个核苷酸；窗口的个数P根据公式 (1) 确定：不同窗口的长度W根据公式 (2) 确定：其中，i是窗口长度编号，最终产生P个不同长度的窗口。3.根据权利要求1所述的一种基于卷积神经网络的RNA
‑
蛋白质结合位点预测方法，步骤2的实现过程如下：使用步骤1中产生的P个不同长度的窗口分别处理RNA序列；根据L1计算卷积神经网络的输入频道数量Q1，根据L2计算卷积神经网络的输入频道数量Q2；例如：当窗口长度大于L1时，根据公式 (3) 计算Q
1 = 1，即卷积神经网络的输入频道数量是1，使用补足碱基N把L1填充到窗口长度作为一个频道；此时，窗口长度必定大于L2，根据公式 (3) 计算Q
2 = 1，使用补足碱基N把L2填充到窗口长度作为一个频道；当窗口长度小于L1时，把L1根据窗口长度分割成Q1个有部分重叠的等长子序列，根据下面的公式 (3) 计算Q1；L2也根据窗口长度分割...

【专利技术属性】
技术研发人员：潘正森，周树森，邹海林，柳婵娟，臧睦君，刘通，王庆军，
申请(专利权)人：鲁东大学，
类型：发明
国别省市：