一种基于深度学习的ncRNA与蛋白质相互作用的预测方法技术

本发明专利技术公开了一种基于深度学习模型对于ncRNA与蛋白质相互作用的预测方法，使用的是公共数据库四个数据集（RPI488，NPInter2.0，RPI1807，RPI7317），kmer编码策略对ncRNA和蛋白质的序列进行提取高维稀疏特征后，通过Embedding层将稀疏特征映射为低维稠密向量；使用ResNet结合SE注意力机制提取关键的局部特征；随后通过Transformer利用位置编码和多头注意力捕捉长程依赖并提取全局特征；最终，将ResNet和Transformer的特征与线性变换后的蛋白质特征拼接，并通过DNN层进一步提炼特征后使用Sigmoid激活函数输出分类概率。通过正则化等技术来防止模型过拟合，使用十折交叉验证以及独立测试集来对模型进行性能测试。该方法使用k‑mer进行特征编码，不需要生物学的先验知识，并且通过局部特征提取与全局特征建模相结合的方式，充分捕获序列中的关键信息，利用深度学习的计算方法提高了预测ncRNA与蛋白质相互作用的准确率。

【技术实现步骤摘要】

本专利技术属于生物信息学和计算生物学领域，具体涉及一种基于深度学习模型的非编码rna（ncrna）与蛋白质相互作用预测方法。本专利技术结合残差网络（resnet）、注意力机制（se模块和transformer结构）以及深度神经网络（dnn）的综合优势，旨在提高对非编码rna与蛋白质相互作用预测的准确性和鲁棒性，适用于生命科学、药物开发、疾病研究等相关领域。

技术介绍

1、非编码rna（ncrna）是指不翻译为蛋白质的rna分子。与编码蛋白质的mrna不同，ncrna在细胞内发挥多种重要功能。目前，ncrna主要分为长链非编码rna（lncrna）、小核rna（snrna）、小核仁rna（snorna）、转移rna（trna）以及小rna（如mirna和sirna）等类别。这些rna在基因表达调控、染色质重塑、rna剪接、蛋白质合成及rna干扰等生物过程中具有重要作用。此外，近年来的研究表明，ncrna与rna结合蛋白（rbps）的相互作用在生物过程和疾病中起关键作用。预测ncrna与蛋白质的相互作用有助于理解与ncrna相关的潜在生物活性机制。

...

【技术保护点】

1.一种基于深度学习的ncRNA与蛋白质相互作用的预测方法，步骤如下：

2.根据权利要求1所述的一种基于深度学习的ncRNA与蛋白质相互作用的预测方法，其特征在于，步骤2）和3）中所述的通过采用基于k-mer的特征编码策略和深度学习模型的结合，在保留序列的关键特征信息和捕捉局部与全局特征模式的同时，显著提高了模型对ncRNA与蛋白质相互作用的预测性能。

【技术特征摘要】

1.一种基于深度学习的ncrna与蛋白质相互作用的预测方法，步骤如下：

2.根据权利要求1所述的一种基于深度学习的ncrna与蛋白质相互作用的预测方法，其特征在于，步骤2）...

【专利技术属性】
技术研发人员：樊永显，郭智，王晨，祝杨丰，郑梦鑫，孙贵聪，李雪萍，汤毅，吴泽恒，邱凯，杨毓琪，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人