基于transformer的DNA模体搜寻方法、装置、电子设备及存储介质制造方法及图纸

本申请涉及人工智能技术领域，提供了一种基于transformer的DNA模体搜寻方法、装置、电子设备及计算机可读存储介质，方法包括：获取待搜寻的DNA序列；对所述DNA序列进行张量化处理得到DNA状态信息；将所述DNA状态信息输入至预训练的强化学习网络模型进行搜寻处理得到DNA模体搜寻结果。通过上述技术方案能够提高DNA模体搜寻的效率。DNA模体搜寻的效率。DNA模体搜寻的效率。

【技术实现步骤摘要】
基于transformer的DNA模体搜寻方法、装置、电子设备及存储介质


[0001]本申请实施例涉及但不限于人工智能
，尤其涉及一种基于transformer的DNA模体搜寻方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]在具有相同生物学功能的脱氧核糖核酸(DeoxyriboNucleic Acid,DNA)片段中搜寻潜在的DNA模体有助于判断调控此种生物学功能的潜在机制，对于转录调控组学的研究至关重要。DNA模体搜寻的过程中输入的通常是几千个DNA片段，每个DNA片段的长度约为几十至几百碱基对，并且没有相关标签进行标记。在传统的DNA模体搜寻过程中一般使用启发式搜索算法，然而启发式搜索算法的耗时较长，并且无法保证搜寻结果的最优化。

技术实现思路

[0003]以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
[0004]为了解决上述
技术介绍
中提到的问题，本申请实施例提供了一种基于transformer的DNA模体搜寻方法、装置、电子设备及计算机可读存储介质，能够提高DN本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于transformer的脱氧核糖核酸DNA模体搜寻方法，其特征在于，所述方法包括：获取待搜寻的DNA序列；对所述DNA序列进行张量化处理得到DNA状态信息；将所述DNA状态信息输入至预训练的强化学习网络模型进行搜寻处理得到DNA模体搜寻结果；其中，所述强化网络模型包括transformer策略网络模型和transformer评价网络模型，所述强化学习网络模型的训练过程如下：获取DNA训练序列；对所述DNA训练序列进行张量化处理得到序列状态信息；将所述序列状态信息输入至所述transformer策略网络模型进行预测处理得到模体预测信息；基于预设的评价算法对所述序列状态信息和所述模体预测信息进行第一计算得到原始评价参数；将所述序列状态信息和所述模体预测信息输入至所述transformer评价网络模型进行评价处理得到预测评价参数；基于所述预测评价参数对所述transformer策略网络模型和所述transformer评价网络模型进行网络参数调整处理。2.根据权利要求1所述的基于transformer的脱氧核糖核酸DNA模体搜寻方法，其特征在于，所述将所述序列状态信息和所述模体预测信息输入至所述transformer评价网络模型进行评价处理得到预测评价参数，包括：基于所述序列状态信息、所述模体预测信息和所述原始评价参数构建经验池；从所述经验池中提取得到历史模体预测信息；将所述序列状态信息和所述历史模体预测信息输入至所述transformer评价网络模型进行评价处理得到所述预测评价参数。3.根据权利要求1所述的基于transformer的脱氧核糖核酸DNA模体搜寻方法，其特征在于，所述基于所述预测评价参数对所述transformer策略网络模型和所述transformer评价网络模型进行网络参数调整处理，包括：将所述预测评价参数和所述原始评价参数进行对比得到差异参数；根据所述差异参数对所述transformer评价网络模型进行第一网络参数更新处理；根据所述预测评价参数和预设的策略梯度算法对所述transformer策略网络模型进行第二网络参数更新处理。4.根据权利要求1所述的基于transformer的脱氧核糖核酸DNA模体搜寻方法，其特征在于，所述对所述DNA序列进行张量化处理得到DNA状态信息，包括：对所述DNA序列进行碱基区分处理得到碱基信息，其中，所述碱基信息包括碱基类型信息和碱基位置信息；基于所述碱基类型信息和所述碱基位置信息对所述DNA序列进行标记处理得到所述DNA状态信息。5.根据权利要求1所述的基于transformer的脱氧核糖核酸DNA模体搜寻方法，其特征
在于，所述将所述DNA状态信息输入至预训练的强化学习网络模型进行搜寻处理得到DNA模体搜寻结果，包括：将所述DNA状态信息输入至预训练的所述transformer策略网络模型进行预测处理得到所述DNA模体搜寻结...

【专利技术属性】
技术研发人员：王健宗，李泽远，王文，黄章成，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：