申请/专利权人：湖南财政经济学院

申请日：2024-03-29

公开（公告）日：2024-07-05

公开（公告）号：CN118298915A

主分类号：G16B20/30

分类号：G16B20/30;G16B40/00;G06N3/0464;G06N3/0442;G06N3/045;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.23#实质审查的生效;2024.07.05#公开

摘要：本发明公开了一种基于深度学习的方法预测人体mRNA中的n4‑乙酰胞苷位点，包括步骤：首先数据收集；之后使用独热编码特征编码的方法提取RNA序列的特征表示；然后基于残差网络、双向长短时记忆网络和多尺度卷积神经网络构建深度学习神经网络模型并进行特征提取；然后训练深度学习神经网络模型；最后利用训练好的模型预测未知的RNA序列，本发明通过引入时序建模机制来捕捉时序数据中的长程依赖关系；并通过引入更深层次、更复杂的特征提取方法，可以更全面地捕捉输入数据的抽象特征，提高模型对复杂模式的理解能力，可以进一步改进模型的性能，提高预测的准确性。

主权项：1.一种基于深度学习的方法预测人体mRNA中的n4-乙酰胞苷位点，其特征在于，包括以下步骤：S1：数据收集；S2：使用独热编码特征编码的方法提取RNA序列的特征表示；S3：基于残差网络、双向长短时记忆网络和多尺度卷积神经网络构建深度学习神经网络模型并进行特征提取，深度学习神经网络模型为残差网络分别接双向长短时记忆网络和多尺度卷积神经网络，然后分别将双向长短时记忆网络和多尺度卷积神经网络的结果展平，将两次展平的结果进行横向拼接输入到三个全连接层中，最后一个全连接层只使用一个神经元；S4：在所有样本中选择最接近ac4C峰的胞嘧啶作为修饰位点，以该为点位中心，取该位点两侧的100个核苷酸定义为正样本，将其标签标注为1，在非峰值区域随机抽取的样本视为负样本，将其标签标注为0；利用打乱后的训练集对深度学习神经网络模型进行有监督训练，使用正负样本的编码向量及其标签训练深度学习神经网络模型；S5：利用训练好的模型预测未知的RNA序列，将未知的RNA序列通过步骤S2转换为特征向量后，将得到的特征向量送入步骤S4训练好的深度学习网络模型中，如果输出结果为1，则表明该序列包含n4-乙酰胞苷位点，否则就不包含n4-乙酰胞苷位点。

全文数据：

权利要求：

百度查询： 湖南财政经济学院 一种基于深度学习的方法预测人体mRNA中的n4-乙酰胞苷位点

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD