[發(fā)明專利]一種基于深度學(xué)習(xí)的RNA和蛋白質(zhì)結(jié)合位點(diǎn)的識別方法

有效

• 申請?zhí)枺?/td>: 202110597078.6
• 申請日: 2021-05-31
• 公開（公告）號: CN113178229B
• 公開（公告）日: 2022-03-08
• 發(fā)明（設(shè)計(jì)）人: 朱曉冬;李澤晉;劉元寧
• 申請（專利權(quán)）人: 吉林大學(xué)
• 主分類號: G16B20/30
• 分類號: G16B20/30;G06N3/04
• 代理公司: 長春市恒譽(yù)專利代理事務(wù)所(普通合伙) 22212
• 代理人: 鞠傳龍

1.一種基于深度學(xué)習(xí)的RNA和蛋白質(zhì)結(jié)合位點(diǎn)的識別方法，其特征在于：其方法包括如下步驟：

識別方法分為兩部分：數(shù)據(jù)處理和模型設(shè)計(jì)訓(xùn)練，各部分主要步驟如下：

第一步、數(shù)據(jù)處理：

使用CLIPdb中的數(shù)據(jù)作為數(shù)據(jù)集，該數(shù)據(jù)集由19中RBP的31個實(shí)驗(yàn)組成，對于每個實(shí)驗(yàn)中的數(shù)據(jù)，源自CLIP-seq的相互作用位點(diǎn)簇內(nèi)的RNA的所有核苷酸均被視為結(jié)合位點(diǎn)，該數(shù)據(jù)集中的原始數(shù)據(jù)是fasta格式的RNA序列文件，具體步驟如下：

步驟1、原始數(shù)據(jù)去冗余：數(shù)據(jù)處理時，首先使用CD-HIT軟件對數(shù)據(jù)進(jìn)行去冗余；

步驟2、預(yù)測原始數(shù)據(jù)中RNA序列對應(yīng)的二級結(jié)構(gòu)信息：通過RNAfold模型預(yù)測RNA序列的二級結(jié)構(gòu)信息；

步驟3、對步驟2中獲得的二級結(jié)構(gòu)進(jìn)行編碼：使用bpRNA模型將二級結(jié)構(gòu)信息轉(zhuǎn)化為二級結(jié)構(gòu)注釋；

步驟4、將所有數(shù)據(jù)信息匯總后進(jìn)行篩選，清除掉數(shù)據(jù)集中的不合法數(shù)據(jù)，將原訓(xùn)練中的數(shù)據(jù)按照4:1的比例拆分為訓(xùn)練集和驗(yàn)證集，原測試集依然作為測試集，將所有數(shù)據(jù)保存在對應(yīng)的csv文件中作為輸入數(shù)據(jù)；

第二步、模型設(shè)計(jì)及訓(xùn)練：

模型中包括三種網(wǎng)絡(luò)模型，即卷積神經(jīng)網(wǎng)絡(luò)、transformer網(wǎng)絡(luò)和全連接神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)用于提取數(shù)據(jù)特征，兩個一維卷積神經(jīng)網(wǎng)絡(luò)同時對RNA數(shù)據(jù)的序列和結(jié)構(gòu)特征進(jìn)行提取，transformer用于捕捉序列間的上下文之間的依賴，全連接層神經(jīng)網(wǎng)絡(luò)根據(jù)組合特征進(jìn)行分類預(yù)測，具體步驟如下：

步驟1、由于數(shù)據(jù)序列和結(jié)構(gòu)信息都是文本類數(shù)據(jù)，計(jì)算機(jī)無法識別，需要對其進(jìn)行一位有效編碼，編碼為數(shù)據(jù)矩陣作為模型輸入；

步驟2、將編碼后的序列矩陣和二級結(jié)構(gòu)矩陣輸入到對應(yīng)的卷積神經(jīng)網(wǎng)絡(luò)中提取對應(yīng)的特征矩陣，兩個特征矩陣維度相同；

步驟3、transformer的位置編碼抽取序列的時序特征，時序特征與卷積神經(jīng)網(wǎng)絡(luò)編碼提取的特征矩陣維度相同，三者相加作為組合特征，將組合特征輸入到編碼器中；

步驟4、使用八個相同的編碼器堆疊而成，每個編碼器都包括兩個子層，第一個子層是注意力機(jī)制層，該層利用八個平行的注意力層同時開始計(jì)算，使用一個殘差連接和LayerNormalization相連接，第二個子層是完全連接層，這一層主要就是兩層線性映射和一個激活函數(shù)，再連接一個殘差連接和Layer Normalization，經(jīng)過八層編碼器的輸出就是最終編碼器編碼的結(jié)果；

步驟5、將編碼之后的結(jié)果輸入到完全連接層進(jìn)行最終的分類，通過完全連接層得到分類結(jié)果的概率值，經(jīng)過sigmoid函數(shù)得到最終類別。