[發明專利]一種lncRNA與目標DNA結合預測方法及系統

有效

• 申請號: 202110065875.X
• 申請日: 2021-01-19
• 公開（公告）號: CN112786112B
• 公開（公告）日: 2023-10-20
• 發明（設計）人: 劉義莎;戴智明
• 申請（專利權）人: 中山大學
• 主分類號: G16B40/00
• 分類號: G16B40/00;G16B15/30;G06F18/25;G06F18/24;G06N3/0464;G06N3/0442;G06N3/048;G06N3/045;G06N3/08
• 代理公司: 深圳市創富知識產權代理有限公司 44367
• 代理人: 高冰

本發明公開了一種lncRNA與目標DNA結合預測方法及系統，該方法包括：獲取lncRNA序列和DNA序列；基于卷積神經網絡分別對lncRNA序列和DNA序列進行特征提取處理，得到對應的序列特征；基于lncRNA?DNA融合網絡將對應的序列特征連接并輸出結果；對基于SDG優化器對lncRNA?DNA融合網絡構建二分類交叉熵函數。該系統包括：序列獲取模塊、序列特征提取模塊、融合模塊和損失模塊。通過使用本發明，能夠解決DNA?lncRNA結合預測問題，提高預測效率，減少計算時間。本發明作為一種lncRNA與目標DNA結合預測方法及系統，可廣泛應用于DNA?lncRNA結合預測領域。

技術領域

本發明涉及DNA-lncRNA結合預測領域，尤其涉及一種lncRNA與目標DNA結合預測方法及系統。

背景技術

長鏈非編碼RNA(Long non-coding RNA,lncRNA)是長度大于200個核苷酸的非編碼RNA。非編碼RNA是指不編碼蛋白質的RNA。一部分lncRNA會與DNA基于Hoogsteen堿基配對原則結合形成三聯體，來調控基因的表達，以此來影響生命體的發育、代謝等。例如，TA-U、AT-G、CG-G、GC-U。

現在有生物實驗證明DNA-lncRNA三聯體的存在。但是lncRNA分子量小，表達量較低，結合范圍跨度大，生物實驗較難大量地檢測到lncRNA。例如人類基因組含有約30億個DNA堿基對，而lncRNA的長度大約在200～100000之間，且表達量不及常用的基因表達。lncRNA有41萬種，現在只有非常少的lncRNA被實驗證明且被了解到其具體功能。目前預測方法都是基于統計學分析，大范圍的預測會耗費大量時間。

發明內容

為了解決上述技術問題，本發明的目的是提供一種lncRNA與目標DNA結合預測方法及系統，解決DNA-lncRNA預測問題，提高預測效率，減少計算時間。

本發明所采用的第一技術方案是：一種lncRNA與目標DNA結合預測方法，包括以下步驟：

獲取lncRNA序列和DNA序列；

基于卷積神經網絡分別對lncRNA序列和DNA序列進行特征提取處理，得到對應的序列特征；

基于lncRNA-DNA融合網絡將對應的序列特征連接并輸出結果。

進一步，還包括：

基于SDG優化器對lncRNA-DNA融合網絡構建二分類交叉熵函數。

進一步，所述卷積神經網絡包括一維卷積層、一維最大池化層、批標準化層、雙向GRU層和注意力機制層。

進一步，所述基于卷積神經網絡分別對lncRNA序列和DNA序列進行特征提取處理，得到對應的序列特征這一步驟，其具體包括：

基于lncRNA卷積神經網絡對lncRNA序列進行特征提取處理，得到lncRNA序列特征；

基于DNA卷積神經網絡DNA序列進行特征提取處理，得到DNA序列特征。

進一步，所述基于lncRNA卷積神經網絡對lncRNA序列進行特征提取處理，得到lncRNA序列特征這一步驟，其具體包括：

基于one-hot方法對lncRNA序列進行編碼處理，得到序列特征；

基于一維卷積層對序列特征進行壓縮，得到壓縮后的序列特征；

將壓縮后的序列特征依次經過一維最大池化層、批標準化層、雙向GRU層和注意力機制層，得到最終的lncRNA序列特征。

進一步，所述基于DNA卷積神經網絡DNA序列進行特征提取處理，得到DNA序列特征這一步驟，其具體包括：