[發明專利]一種基于上下文感知計算的RNA溶劑可及性預測方法

在審

• 申請號: 202111148787.2
• 申請日: 2021-09-29
• 公開（公告）號: CN113936741A
• 公開（公告）日: 2022-01-14
• 發明（設計）人: 胡俊;樊學強;唐玉璇;賈寧欣;張貴軍
• 申請（專利權）人: 浙江工業大學
• 主分類號: G16B40/00
• 分類號: G16B40/00;G16B50/30;G06N3/04;G06N3/08
• 代理公司: 浙江千克知識產權代理有限公司 33246
• 代理人: 趙芳

1.一種基于上下文感知計算的RNA溶劑可及性預測方法，其特征在于，包括：

S1.收集PDB數據庫中所有已注釋三級結構信息的RNA序列組成訓練集合S，并使用POPS工具生成RNA序列對應的溶劑可及性標簽Y；

S2.獲取訓練集合S中堿基個數為L^X的RNA序列信息，并將獲取的RNA序列信息記作S^X；

S3.使用Infernal工具搜索S^X的核苷酸數據庫并生成對應的多序列聯配信息MSA；

S4.對多序列聯配信息MSA進行處理，生成MSA對應的特征矩陣FMSA；

S5.根據獨熱編碼原理將堿基編碼生成S^X對應的獨熱編碼矩陣OHE；

S6.使用LinearPartition-V工具生成S^X對應的二級結構信息RSS；

S7.構建上下文感知計算神經網絡框架MVCADNN，并使用構建的上下文感知計算神經網絡框架MVCADNN訓練RNA溶劑可及性預測模型，得到訓練后的RNA溶劑可及性預測模型；

S8.將待預測RNA序列通過步驟S3-步驟S6處理后，生成RNA序列對應的特征信息，并生成的特征信息輸入到訓練后的RNA溶劑可及性預測模型中，得到RNA溶劑可及性的預測信息。

2.根據權利要求1所述的一種基于上下文感知計算的RNA溶劑可及性預測方法，其特征在于，所述步驟S3中多序列聯配信息MSA，表示為：

其中，表示MSA中的第n條序列聯配信息；N表示MSA中的序列聯配信息總數目。

3.根據權利要求2所述的一種基于上下文感知計算的RNA溶劑可及性預測方法，其特征在于，所述步驟S4中特征矩陣FMSA，表示為：

其中，表示中的第l_x個元素；表示中的第l_y個元素；R_r表示元素集合R中的第r個元素；表示第x位置上r堿基的概率；表示第y位置上r堿基的概率；σ表示符號函數；表示第x位置和第y位置的堿基特征；表示第x位置和第y位置上的堿基的信息熵值；l_x表示第x位置的堿基。

4.根據權利要求3所述的一種基于上下文感知計算的RNA溶劑可及性預測方法，其特征在于，所述步驟S5中獨熱編碼矩陣OHE，表示為：

其中，表示OHE中的第l個元素的獨熱編碼信息。

5.根據權利要求4所述的一種基于上下文感知計算的RNA溶劑可及性預測方法，其特征在于，所述步驟S5中的堿基編碼包括OHE^A＝[1，0，0，0]、OHE^U＝[0，1，0，0]、OHE^G＝[0，0，1，0]、OHE^C＝[0，0，0，1]；其中，A表示腺嘌呤、U表示尿嘧啶、G鳥嘌呤、C胞嘧啶。

6.根據權利要求1所述的一種基于上下文感知計算的RNA溶劑可及性預測方法，其特征在于，所述步驟S7中的上下文感知計算神經網絡框架MVCADNN包括5個管道，第一管道、第二管道和第三管道分別用于挖掘隱含FMSA、OHE與RSS中的鑒別信息；第四管道用于挖掘隱含在FMSA、OHE與RSS的串行組合特征中的鑒別信息；第五管道用于挖掘由第一管道①、第二管道、第三管道和第四管道的輸出經串行組合后的特征中的鑒別信息。

7.根據權利要求6所述的一種基于上下文感知計算的RNA溶劑可及性預測方法，其特征在于，所述第一管道、第二管道和第三管道均由兩個兩層的雙向長短時記憶循環神經網絡、三個全連接層、兩個注意力機制模塊組成。

8.根據權利要求6所述的一種基于上下文感知計算的RNA溶劑可及性預測方法，其特征在于，所述第四管道由一個1D膨脹卷積層，三個殘差塊，二個全連接層組成。

9.根據權利要求6所述的一種基于上下文感知計算的RNA溶劑可及性預測方法，其特征在于，所述第五管道由三個全連接層和三個注意力機制模塊組成。