非编码RNA中小开放阅读窗编码多肽能力预测方法及系统技术方案

本发明专利技术公开了非编码RNA中小开放阅读窗编码多肽能力预测方法及系统，涉及非编码RNA中sORF编码多肽能力预测技术领域，包括采集非编码RNA中小开放阅读窗sORF编码多肽和不编码多肽序列数据，进行数据预处理；构建sORF序列和sORF序列对应的多肽序列特征空间；通过多肽序列特征空间构建融合多空间视图的深度学习模型DeepNCsORF模型；验证和评估DeepNCsORF模型。本发明专利技术通过多种特征表征来描述序列，填补了单一数据来源的不足，实现多路径信息融合，提出三路交互式注意力机制来更好地合成三个子网络的输出，充分挖掘不同网络之间的关联性，提取重要信息，预测效果优于仅考虑单一特征的方法。

【技术实现步骤摘要】

本专利技术涉及非编码rna中sorf编码多肽能力预测，特别是非编码rna中小开放阅读窗编码多肽能力预测方法及系统。

技术介绍

1、小开放阅读窗(small open readingframes，sorf)，sorfs是非编码rna分子中的短开放阅读窗，其长度通常在50个核苷酸到数百个核苷酸之间。近年来研究表明，一些非编码rna分子中的sorfs能够编码功能性多肽，这些多肽在细胞过程和生理功能中扮演重要角色。本专利技术通过提取核苷酸和氨基酸两个方面的序列信息，构建了新的深度学习模型，实现了对非编码rna中小开放阅读窗编码多肽能力的预测。在测试数据集上与多个已有模型对比，结果表明本专利技术具有更高的准确率和鲁棒性。本专利技术对理解非编码rna的功能和调控机制具有重要意义，有助于揭示非编码rna分子中潜在的编码多肽序列，进一步研究这些多肽的功能和作用机制。

2、过去非编码rna(ncrna)被认为只起到调控基因表达的功能，而不会编码蛋白质。然而，随着技术的进步和研究的深入，越来越多的证据表明，一些ncrna中的小开放阅读窗(small open re本文档来自技高网...

【技术保护点】

1.非编码RNA中小开放阅读窗编码多肽能力预测方法，其特征在于：包括，

2.如权利要求1所述的非编码RNA中小开放阅读窗编码多肽能力预测方法，其特征在于：所述多肽序列数据包括，获取TransLnc中的所有核苷酸和氨基酸序列，选择有1到4种实验证据支撑的序列数据作为正样本，将没有实验证据支撑的序列数据作为负样本，运用CD-HIT按80％的阈值将多肽序列数据集中的冗余数据去除，按1:1比例随机抽取数据正负样本，构建数据集。

3.如权利要求2所述的非编码RNA中小开放阅读窗编码多肽能力预测方法，其特征在于：所述sORF序列特征空间包括基于图的核苷酸序列表征、基于进化信息...

【技术特征摘要】

1.非编码rna中小开放阅读窗编码多肽能力预测方法，其特征在于：包括，

2.如权利要求1所述的非编码rna中小开放阅读窗编码多肽能力预测方法，其特征在于：所述多肽序列数据包括，获取translnc中的所有核苷酸和氨基酸序列，选择有1到4种实验证据支撑的序列数据作为正样本，将没有实验证据支撑的序列数据作为负样本，运用cd-hit按80％的阈值将多肽序列数据集中的冗余数据去除，按1:1比例随机抽取数据正负样本，构建数据集。

3.如权利要求2所述的非编码rna中小开放阅读窗编码多肽能力预测方法，其特征在于：所述sorf序列特征空间包括基于图的核苷酸序列表征、基于进化信息的多肽序列表征、基于比对信息的多肽序列表征、基于生化特征的多肽序列表征和基于大模型预训练多肽序列表征；

4.如权利要求3所述的非编码rna中小开放阅读窗编码多肽能力预测方法，其特征在于：所述基于进化信息的多肽序列表征包括，多肽序列的进化信息使用位置特异性评分矩阵表示，收集已有物种的蛋白质序列，使用多序列比对算法clustalw，将多肽序列比对到收集到的蛋白质序列，根据比对结果，统计每个位置上氨基酸残基的频率和出现概率，得到初始的频率矩阵，频率矩阵的大小为m×n，其中，m为氨基酸的种类数目，n为比对序列的长度，对初始频率矩阵进行修正，修正方法为加权，得到修正后的矩阵，即为pssm，pssm矩阵的每一列代表一个氨基酸残基，每一行代表比对序列中的一个位置，矩阵中的每个元素表示位置上某个氨基酸残基的评分，若评分值高，则表示残基在位置上的保守性高，若评分值低，则表示残基在位置上的变异性高，对给定的长度为l的多肽序列，pssm矩阵的大小为l*20，l为多肽序列的长度，20种氨基酸在每个位置出现的评分；

5.如权利要求4所述的非编码rna中小开放阅读窗编码多肽能力预测方法，其特征在于：所述基于生化特...

【专利技术属性】
技术研发人员：杨森，杨泽熙，卢嘉毅，倪嘉琦，聂琪，陈宏，
申请(专利权)人：常州大学，
类型：发明
国别省市：