基于图对比学习融合注意力机制的lncRNA亚细胞定位预测方法、系统、设备及介质技术方案

本发明专利技术公开了一种基于图对比学习融合注意力机制的lncRNA亚细胞定位预测方法、系统、设备及介质，方法包括：将每个lncRNA序列样本转化为对应的德布鲁因图；使用基于图卷积和全局注意力机制的编码器获取德布鲁因图的编码向量，再使用解码器解码；基于正负样本对的解码向量构建有监督的对比学习损失函数，再结合分类器对输入编码向量的定位预测概率构建的分类损失函数，得到整体损失函数；利用lncRNA序列样本并基于整体损失函数，学习整体模型参数；对于待进行亚细胞定位预测的lncRNA序列，将其转化为德布鲁因图，并使用编码器获取编码向量，再使用分类器进行亚细胞定位预测。本发明专利技术对lncRNA亚细胞定位预测精度高。

【技术实现步骤摘要】

本专利技术涉及生物信息学领域，尤其涉及一种多分类lncrna亚细胞定位预测方法、系统、设备及介质。

技术介绍

1、随着基因组学和转录组学的快速发展，长链非编码rna(lncrna)作为一类重要的转录产物引起了广泛的关注。与传统的编码蛋白质的mrna不同，lncrna不编码蛋白质，而在细胞核或细胞质中，折叠成特定的二级结构，并通过与蛋白质、dna或其他rna相互作用，参与调控基因表达、染色质结构调整、细胞周期调节、细胞分化以及疾病的发生发展等关键生物过程。比如，细胞核中的lncrna可以执行多种功能，(a)细胞核lncrna在增强子区域与调控蛋白质相互作用，参与基因的转录调控，进而影响基因表达水平；(b)细胞核lncrna作为导向分子，引导染色质重塑、转录因子的定位以及染色质相互作用等过程；(c)细胞核lncrna可以与蛋白质或其他核酸分子相互作用，通过竞争性结合来干扰或转移其他分子的结合，调控基因表达和基因组稳定性；(d)细胞核lncrna参与调控染色质的三维结构，影响基因的表达调控。在细胞质中，lncrna也扮演着重要的角色，(e)细胞质lncrna与m本文档来自技高网...

【技术保护点】

1.一种基于图对比学习融合注意力机制的lncRNA亚细胞定位预测方法，其特征在于，包括：

2.根据权利要求1所述的基于图对比学习融合注意力机制的lncRNA亚细胞定位预测方法，其特征在于，所述步骤S1包括：

3.根据权利要求1所述的基于图对比学习融合注意力机制的lncRNA亚细胞定位预测方法，其特征在于，所述编码器包括两个子层连接结构，第一个子层连接结构包括两层图卷积网络GCN，第1层图卷积网络GCN的输入特征矩阵为德布鲁因图的节点编码向量H；第l层的图卷积网络GCN表示如下：

4.根据权利要求1所述的基于图对比学习融合注意力机制的lncRNA亚细胞定...

【技术特征摘要】

1.一种基于图对比学习融合注意力机制的lncrna亚细胞定位预测方法，其特征在于，包括：

2.根据权利要求1所述的基于图对比学习融合注意力机制的lncrna亚细胞定位预测方法，其特征在于，所述步骤s1包括：

3.根据权利要求1所述的基于图对比学习融合注意力机制的lncrna亚细胞定位预测方法，其特征在于，所述编码器包括两个子层连接结构，第一个子层连接结构包括两层图卷积网络gcn，第1层图卷积网络gcn的输入特征矩阵为德布鲁因图的节点编码向量h；第l层的图卷积网络gcn表示如下：

4.根据权利要求1所述的基于图对比学习融合注意力机制的lncrna亚细胞定位预测方法，其特征在于，步骤s3中，所述基于正负样本对的解码向量构建有监督的对比学习损失函数，表示为：

5.根据权利要求1所述的基于图对比学习融合注意力机制的lncrna亚细胞定位预测方法，其特征在于，分类器采用一个具有softmax激活函数的全连接层构成，输出...

【专利技术属性】
技术研发人员：曾敏，李敏，赵保莹，李一鸣，
申请(专利权)人：中南大学，
类型：发明
国别省市：