[發明專利]一種預測DNA-蛋白質結合的雙向LSTM和CNN模型

在審

• 申請號: 201811244350.7
• 申請日: 2018-10-24
• 公開（公告）號: CN109559781A
• 公開（公告）日: 2019-04-02
• 發明（設計）人: 張永清;曾圓麟;盧榮釗;何嘉;周激流
• 申請（專利權）人: 成都信息工程大學
• 主分類號: G16B30/00
• 分類號: G16B30/00;G06N3/04
• 代理公司: 北京華仲龍騰專利代理事務所(普通合伙) 11548
• 代理人: 李靜

1.一種預測DNA-蛋白質結合的雙向LSTM和CNN模型，其特征在于，其包括輸入層、BLSTM層、卷積層、最大池化層、全連接層和輸出層，其中，

第一層為輸入層，其使用獨熱編碼將每個輸入序列表示為4行二進制矩陣，每個序列的長度為101個堿基對；

第二層為BLSTM層，其中前一層中的每個LSTM模型將從輸入序列中接收DNA上感興趣的信息，對從過去歷史信息傳遞到隱藏狀態的貢獻進行編碼解釋；然后，該解釋信息將傳播到下一個BLSTM模塊中，包括其前一個和下一個LSTM塊；一直到最后一個核苷酸，LSTM模塊將做出最終確定；

第三層為卷積層，其由不同卷積核組成，其中具有線性整流函數ReLU作為激活函數，每個卷積核掃描輸入的矩陣用于模體發現，不同強度的信息關聯潛在的序列模式；

第四層為最大池化層，通過減小輸入的尺寸來提高性能，減小過擬合，為后續層保留重要信息。

第五層為全連接層，用于最大化每個卷積核的輸出信號使其成一個完整的序列，使用ReLU作為激活單元。

最后一層為輸出層，其使用sigmoid激活執行非線性轉換，并生成0到1之間的值，以表示每個探針的DNA-蛋白質結合的概率。

2.如權利要求1所述的模型，其特征在于，所述模型對應的深度學習網絡的訓練步驟具體包括：

步驟一，從ENCODE等公共數據庫中獲取DNA-蛋白質結合的實驗數據；

步驟二，利用預先設置有初始參數的深度學習網絡對所述DNA-蛋白質結合樣本進行識別分類；根據所述深度學習網絡輸出結果與所述DNA-蛋白質結合的特征信息之間的差異逐層反傳至所述深度學習網絡，訓練所述深度學習網絡的參數；

步驟三，所述利用預先設置有初始參數的深度學習網絡對所述DNA-蛋白質結合進行識別，其具體為：利用預先設置有初始參數的BLSTM算法，學習基因序列之間的前后依賴關系信息，通過CNN網絡的卷積層，獲取DNA-蛋白質結合位點的序列特征信息，最大池化層提取序列特征中的重要取得更好的預測效果，再通過全連接層的操作，得到所述DNA-蛋白質結合識別的概率；根據所述深度學習網絡輸出結果與DNA-蛋白質結合信息之間的差異逐層反傳至所述深度學習網絡，訓練深度學習網絡的參數。