[發明專利]一種基于深度學習的RBP結合位點預測算法

有效

• 申請號: 202110229810.4
• 申請日: 2021-03-02
• 公開（公告）號: CN113035280B
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 朱敏;閆建榮;明章強;王心翌
• 申請（專利權）人: 四川大學
• 主分類號: G16B40/00
• 分類號: G16B40/00;G16B20/30;G16B5/00;G06N3/08;G06N3/04
• 代理公司: 成都禾創知家知識產權代理有限公司 51284
• 代理人: 劉凱

1.一種基于深度學習的RBP結合位點預測算法，其特征在于，包括如下步驟：

步驟1)對于給定的RBP數據集，首先提取序列信息和獨立測試集；再根據序列信息，預測出二級結構信息；根據序列和結構信息，分別構建序列和結構的編碼矩陣；并構建獨立測試集的編碼矩陣，對應于每個RBP創建正樣本和負樣本；

步驟2)構建包括生成網絡和判別網絡的生成對抗網絡；在訓練過程中，采用強化學習對判別網絡優化，使優化過后的判別網絡促使生成網絡生成更逼真的合成數據，并在步驟1)中所得的序列和結構的編碼矩陣上分別進行訓練；

步驟3)構建卷積自編碼器預測模型，將步驟1)中所得到的編碼矩陣和步驟2)中所得到的合成數據合并，分別得到數據規模更大的序列和結構矩陣，將序列和結構矩陣分別訓練；

步驟4)分別提取卷積自編碼器中序列和結構編碼器中卷積核的參數，分別與RNA序列和結構的編碼矩陣進行卷積運算，針對每個RBP，將所有滑動窗口中超過規定閾值的短序列拼接起來，對每組短序列進行序列比對，統計序列中每個位置上的一致性，作為motif；

步驟5)對每種RBP數據均訓練一個對應的預測模型；對于一個待預測的RNA序列，首先編碼序列，然后將編碼信息輸入到已訓練好的各個預測模型中，最終的結果即為特異RNA與各個RBP對應的結合概率。

2.根據權利要求1所述的基于深度學習的RBP結合位點預測算法，其特征在于，所述步驟1)中構建序列和結構的編碼矩陣過程如下：

步驟1.1)設定RNA序列長度為L，對RNA序列和標簽進行one-hot編碼；對于長度不足L的序列，采用“N”在末尾填充，“N”為等概率填充，“N”的向量表示為[0.25,0.25,0.25,0.25]；對于超過L的序列，將截取長度L作為訓練序列；對于堿基A、C、G、U序列編碼后編碼矩陣維度為L×4；

步驟1.2)RNA二級結構為由FocusFold算法預測得到的“點-括號”格式，一對左右“括號”表示存在一對堿基配對，而“點”則表示未發生配對，每個符號分別按順序對應于每個堿基位點，然后根據堿基配對原則，得到每個堿基位點的二級結構注釋，所述二級結構注釋包括堆疊S、自由端F、連接處J、發卡環H、內環與多環M，對RNA結構進行one-hot編碼，結構編碼后特編碼陣維度為L×5。

3.根據權利要求2所述的基于深度學習的RBP結合位點預測算法，其特征在于，所述步驟2)中生成合成數據的過程如下：

步驟2.1)所述生成對抗網絡包括生成網絡和判別網絡，其中，生成網絡包括一層循環神經網絡和一層全連接網絡，全連接網絡作為輸出單元；判別網絡包括一層循環神經網絡、一層全連接網絡和分類器；

步驟2.2)將步驟1.1)和步驟1.2)中所得的序列和結構的編碼矩陣分別輸入到生成對抗網絡訓練，采用強化學習技術優化判別網絡；被優化的判別網絡的返回值反饋給生成網絡，多次訓練迭代，生成網絡生成更逼真的合成數據；

步驟2.3)提取步驟2.2)中已訓練好的序列和結構生成網絡，分別生成合成的序列和結構矩陣。

4.根據權利要求3所述的基于深度學習的RBP結合位點預測算法，其特征在于，所述生成網絡中，循環神經網絡采用雙向LSTM，包含256個計算單元；全連接網絡作為輸出層，包含100個神經元；

所述判別網絡中，循環神經網絡采用雙向LSTM，包含256個計算單元；全連接網絡作為中間層，包含100個神經元；分類器采用Sigmoid激活函數。

5.根據權利要求1所述的基于深度學習的RBP結合位點預測算法，其特征在于，所述步驟3)中卷積自編碼器構建與訓練過程如下：

步驟3.1)所述卷積自編碼器包括編碼器與解碼器，在預訓練階段，編碼器與解碼器共同工作，序列和結構分別訓練，輸入數據經過編碼器的降維學習，得到中間抽象特征，之后解碼器重構輸入數據；

步驟3.2)在微調階段，提取編碼器模型與權重參數，將序列和結構的編碼器并行，增加兩層LSTM層，最終實現結合位點預測。