申请/专利权人:西安理工大学
申请日:2023-11-28
公开(公告)日:2024-02-20
公开(公告)号:CN117577175A
主分类号:G16B20/00
分类号:G16B20/00;G16B40/30;G06N3/0442;G06N3/044;G06N3/088
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.03.08#实质审查的生效;2024.02.20#公开
摘要:本发明提供了一种基于注意力机制的TextRNN网络TextRNN_ATT的piRNA功能标签的预测方法,具体包括:步骤S1,构建小鼠piRNA功能标签预测研究的基准数据集;步骤S2,获取步骤S1所构建的基准数据集中RNA序列的重叠k‑mer片段;步骤S3,基于skip‑gram模型,使用piRBase数据库中piRNA序列作为语料库,使用其k‑mer序列片段以无监督的方式,预训练具有生物意义相似的k‑mer序列片段的向量;步骤S4,构建用于预测piRNA功能标签的TextRNN_ATT神经网络模型;步骤S5,根据每个样本对应类别的预测概率,实现piRNA功能标签的预测。本发明可用于鉴定piRNA功能多标签,使用位置编码融合预训练k‑mer片段向量来表示piRNA序列,构建TextRNN_ATT网络模型有效捕获序列片段间的依赖关系,从而使得多标签分类结果更为可靠和可信,降低系统误差。
主权项:1.基于TextRNN_ATT模型鉴定piRNA功能标签的预测方法,其特征在于,包括以下步骤:步骤S1,构建小鼠piRNA功能标签预测研究的基准数据集;步骤S2,获取步骤S1所构建的基准数据集中RNA序列的重叠k-mer片段;步骤S3,基于skip-gram模型,使用piRBase数据库中piRNA序列作为语料库,使用其k-mer序列片段以无监督的方式,预训练具有生物意义相似的k-mer序列片段的向量;步骤S4,构建用于预测piRNA功能标签的TextRNN_ATT神经网络模型;步骤S5,根据每个样本对应类别的预测概率,实现piRNA功能标签的预测。
全文数据:
权利要求:
百度查询: 西安理工大学 基于TextRNN_ATT模型的piRNA功能标签预测方法
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。