基于机器学习和深度学习的生物信息综合分析预测一站式平台制造技术

本发明专利技术属于数据处理技术领域，提供了基于机器学习和深度学习的生物信息综合分析预测一站式平台，包括以下步骤：数据收集、模型设计、开发实施、可视化端、自定义模型与特征工程；本发明专利技术提供专注于Virus RNA、Circular RNA、Linear RNA基因序列分析和预测的综合性平台，该一站式研究服务使用户可以通过本项目获得从样本制备、数据分析到结果解读的全流程服务，无需在不同的实验室或研究机构之间切换，该一站式服务模式将大大提高研究效率和便利性，促进RNA‑RBP相互作用研究的普及和应用，为学习RBP领域的学生和从事RNA结合蛋白领域的科学研究的专业人员和研究人员提供高度定制化的RNA序列研究解决方案。

【技术实现步骤摘要】

本专利技术属于数据处理，具体地说是基于机器学习和深度学习的生物信息综合分析预测一站式平台。

技术介绍

1、rna与rna结合蛋白(rbps)之间的相互作用在转录后的调节中起重大作用，rbps在rna上的结合位点可以深入了解涉及rbps的疾病背后的机制，因此预测识别rna上的rbp结合位点至关重要。但是传统的生物实验方法往往耗时且成本高，且难以大规模应用于复杂的转录组数据。然而，基于计算的手段由于具有高通量高效率的优点，机器学习与深度学习方法正受到越来越多的重视，其在基因组学的影响也在不断增加。

2、从市场现状来看，有几种较为成熟的计算工具和框架，如deepbi nd、rbpsu ite等。其中，deepbi nd计算工具通过训练单任务模型预测转录因子的结合亲和力，一般应用于实验中；rbpsu ite是一种基于深度学习的rna-蛋白质结合位点预测的网站，用于预测线性和环形rna上的rbp结合位点，但只提供了i deeps和crip两种预测模型，缺乏灵活性和高度定制的分析功能。

3、综上，当前解决方案中普遍存在的问题是缺少针对不同类型r本文档来自技高网...

【技术保护点】

1.基于机器学习和深度学习的生物信息综合分析预测一站式平台，其特征在于，包括以下步骤：

2.如权利要求1所述基于机器学习和深度学习的生物信息综合分析预测一站式平台，其特征在于：所述数据集中包括37个长度为101的circRNA数据集，31个长度为101的linRNA数据集，不同细胞环境中261种线性RNA的处理和原始数据，所有数据在导入平台前都进行预处理，包括去噪、格式化和归一化。

3.如权利要求1所述基于机器学习和深度学习的生物信息综合分析预测一站式平台，其特征在于：所述基于深度学习的预测模型包括circSLNN、iCircRBP_DHN、HCRnet、CSCR...

【技术特征摘要】

1.基于机器学习和深度学习的生物信息综合分析预测一站式平台，其特征在于，包括以下步骤：

2.如权利要求1所述基于机器学习和深度学习的生物信息综合分析预测一站式平台，其特征在于：所述数据集中包括37个长度为101的circrna数据集，31个长度为101的linrna数据集，不同细胞环境中261种线性rna的处理和原始数据，所有数据在导入平台前都进行预处理，包括去噪、格式化和归一化。

3.如权利要求1所述基于机器学习和深度学习的生物信息综合分析预测一站式平台，其特征在于：所述基于深度学习的预测模型包括circslnn、icircrbp_dhn、hcrnet、cscrsites、deepbind...

【专利技术属性】
技术研发人员：黄于鉴，侯婷，温泉，邬兆望，王志民，唐茂，于梦凡，缪蕊，刘佳瑞，王钰博，李向涛，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：