[發(fā)明專利]一種注意力機制預測lncRNA的RBP結(jié)合位點的方法

在審

• 申請?zhí)枺?/td>: 202011144401.6
• 申請日: 2020-10-23
• 公開（公告）號: CN112270955A
• 公開（公告）日: 2021-01-26
• 發(fā)明（設計）人: 宋金淼;謝凡森;楊紫琪;段曉東;張子晨
• 申請（專利權）人: 大連民族大學
• 主分類號: G16B20/30
• 分類號: G16B20/30;G16B40/00
• 代理公司: 大連星海專利事務所有限公司 21208
• 代理人: 楊翠翠

1.一種注意力機制預測植物lncRNA的RBP結(jié)合位點的方法，其特征在于，包括以下步驟：

S1：建立基準數(shù)據(jù)集，數(shù)據(jù)集的參數(shù)包括正、負樣本分布、數(shù)據(jù)集大小和噪聲；基準數(shù)據(jù)集建立的過程具體包括：

S11：基準數(shù)據(jù)集由HOCNNLB生成，基準數(shù)據(jù)集包含31個RBPs結(jié)合位點數(shù)據(jù)集，來自lncRNAs上的12個蛋白質(zhì)；

S12：實驗設置相同數(shù)量的正、負樣本，每個基準數(shù)據(jù)集使用80％的正/負樣本作為訓練集，其余樣本作為獨立測試集；

S2：構(gòu)建聯(lián)合處理層：結(jié)合核苷酸之間的依賴關系，采用高階編碼提取序列特征，具體步驟包括：

S21：給定一個lncRNA序列，用s＝s₁，s₂，…，s_n和n個核苷酸表示；基于高階統(tǒng)計的編碼矩陣S的數(shù)學表達式如下：

其中：其中s′表示對應的k-mer序列，s′_j是s′的第j個特征；Σs′_j表示的是第j個k-mer在s′中出現(xiàn)的次數(shù)；k_i代表第i個k-mer為4的核苷酸字串，矩陣列是轉(zhuǎn)換序列s′中k-mer為j子串的基于的是統(tǒng)計的one-hot編碼的第j行向量，其中j∈{1,2…,n+k-1}；

S22：結(jié)合lncRNA序列相鄰核苷酸在較大距離處的相互關系，采用基于三階統(tǒng)計的編碼方式；lncRNA序列包含64個三核苷酸，每一個都編碼為64維one-hot載體；對于任何lncRNA序列，考慮到k個相鄰核苷酸在短距離內(nèi)的依賴性，將產(chǎn)生4^k個k-mer核苷酸，并且每個k-mer核苷酸將被映射到一個4k維的高維空間；

S3：利用注意力機制構(gòu)膠囊神經(jīng)網(wǎng)絡，具體步驟包括：

S31：膠囊層在訓練過程中加入動態(tài)路由算法來調(diào)整膠囊參數(shù)，主要分為下膠囊層、動態(tài)路由層和上膠囊層，膠囊神經(jīng)網(wǎng)絡利用路由將低層膠囊的信息動態(tài)傳輸?shù)礁邔幽z囊；

S32：在膠囊神經(jīng)網(wǎng)絡中是以載體的形式運輸?shù)模虼四z囊需要朝激活的方向進行處理；擠壓激活函數(shù)用于將輸入向量壓縮到(0，1)，同時保持向量方向；輸出v_j的計算公式如下:

其中：v_j是膠囊j的矢量輸出，s_j是總輸入量，并且v_j和s_j在同一方向；

v_j是壓縮函數(shù)，當s_j較大時，v_j接近1；當s_j很小，v_j則接近0；s_j是置換向量，使輸出向量v_j的長度在(0，1)范圍內(nèi)；膠囊神經(jīng)網(wǎng)絡的第一層是具有ReLU激活函數(shù)的卷積層；除第一層膠囊外，其余所有膠囊的總輸入s_j是所有預測向量的加權和是下層膠囊的層膠囊的輸出與重量矩陣W_ij相乘，其公式如下：

其中j∈[1,k]，k是類的數(shù)量；c_ij是動態(tài)路由過程中的耦合系數(shù)，表示每個下層膠囊與其對應的上層膠囊之間的權重；對于膠囊，c_ij的權重之和是1；c_ij采用由softmax函數(shù)確定的動態(tài)路由算法，計算公式如下：

其中b_ij是膠囊i和膠囊j的對數(shù)概率，用于更新c_ij并將其初始化為0；

路線迭代期間，b_ij不斷采用以上公式更新。