基于平衡子空间和对比学习的多标签亚细胞定位方法技术

本发明专利技术属于人工智能算法应用‑多标签预测领域，涉及基于平衡子空间和对比学习的多标签亚细胞定位方法。基于RNALocate v2.0数据库构建本发明专利技术所需要的数据集，清洗数据集，去除冗余序列。构建多类别对比学习数据对并使用自适应N‑pair‑mc‑loss多类别对比表征学习算法获取表征学习向量。利用聚类平衡子空间划分算法来划分聚类子空间，子空间内部使用最大类别上采样方法平衡子空间内部。在每个子集上初始化XGBoost模型，通过多个子集上的XGBoost集成学习，最后通过投票机制产生该位置的最终结果。本发明专利技术量化了核苷酸及核苷酸组合对于预测结果的贡献，帮助用户更好地理解模型的工作原理和决策依据。

【技术实现步骤摘要】

本专利技术属于人工智能算法应用-多标签预测领域，涉及基于平衡子空间和对比学习的多标签亚细胞定位方法。

技术介绍

1、在真核生物的发育过程中，mrna亚细胞定位被证明是一种普遍且至关重要的机制，对蛋白质翻译过程具有重大影响。mrna在真核细胞内的不同位置分布，特别是在结构复杂的细胞中，可能不仅限于某一特定细胞器内，而是遵循一定的生物学规律。然而，mrna定位机制异常可能引发多种严重疾病，包括各种癌症、脊髓性肌萎缩症、阿尔茨海默病及其他神经系统疾病。因此，深入理解mrna亚细胞定位机制具有重要的生物学意义。然而，仅靠生物实验来揭示mrna亚细胞定位机制不仅耗时且充满挑战，因此，开发一种高性能且可靠的计算预测工具来研究亚细胞定位机制显得尤为迫切和必要。

2、近年来，亚细胞定位问题已经取得了突破性进展。虽然近几年已有许多计算工具被开发用于识别多标签亚细胞定位，为研究mrna亚细胞定位机制提供了强有力的工具，但是大部分模型仍存在以下难以克服的问题：

3、1.单位置亚细胞定位不一定符合现实情况：当前大部分模型都是用于单位置亚细胞定位，但实际上m本文档来自技高网...

【技术保护点】

1.基于平衡子空间和对比学习的多标签亚细胞定位方法，其特征在于，步骤如下：

2.如权利要求1所述的基于平衡子空间和对比学习的多标签亚细胞定位方法，其特征在于，所述的步骤3，具体操作如下：

3.如权利要求1或2所述的基于平衡子空间和对比学习的多标签亚细胞定位方法，其特征在于，所述的步骤4，具体操作如下：

4.如权利要求1或2所述的基于平衡子空间和对比学习的多标签亚细胞定位方法，其特征在于，所述的步骤5，具体操作如下：

5.如权利要求3所述的基于平衡子空间和对比学习的多标签亚细胞定位方法，其特征在于，所述的步骤5，具体操作如下：

【技术特征摘要】

1.基于平衡子空间和对比学习的多标签亚细胞定位方法，其特征在于，步骤如下：

2.如权利要求1所述的基于平衡子空间和对比学习的多标签亚细胞定位方法，其特征在于，所述的步骤3，具体操作如下：

3.如权利要求1或2所述的基于平衡子空间和对比学习的多标签亚细胞定位方法，其特...

【专利技术属性】
技术研发人员：左云，章帮一，万民权，房兴泽，邓赵红，
申请(专利权)人：江南大学，
类型：发明
国别省市：