申请/专利权人：徐州工业职业技术学院

申请日：2022-10-14

公开（公告）日：2024-04-12

公开（公告）号：CN115424663B

主分类号：G16B20/30

分类号：G16B20/30;G06N3/084;G06N3/0442;G06N3/0464;G06N3/045;G06F18/2415

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2022.12.20#实质审查的生效;2022.12.02#公开

摘要：本发明公开了一种基于attention的双向表示模型的RNA修饰位点预测方法，其涉及生物信息学RNA转录后修饰位点预测领域。包括：将包含N1‑甲基腺苷修饰位点的RNA碱基序列为正样本和不包含N1‑甲基腺苷修饰位点的RNA碱基序列为负样本，进行词嵌入编码；将编码后的序列分为两路，在一个序列和另一个反转序列首段添加分类符号并进行位置编码；将编码后的两个序列输入编码模块中采用训练权重共享原则反复训练；将两路训练好的序列分类符号相加后经过全连接神经网络层和二分类器，预测哪个序列里包含N1‑甲基腺苷修饰位点。本发明能够描述复杂方面词的上下文关系，加强文本中重要词汇对情感分析的影响，从而准确预测RNA生物序列中是否包含N1‑甲基腺苷修饰位点。

主权项：1.一种基于attention的双向表示模型的RNA修饰位点预测方法，其特征在于，包括：将包含N1-甲基腺苷修饰位点的人类物种RNA碱基序列为正样本和不包含N1-甲基腺苷修饰位点的人类物种RNA碱基序列为负样本，进行word2vec词嵌入编码；将经过word2vec词嵌入编码后的序列分为两路词嵌入编码序列；其中，在一个词嵌入编码序列首段添加分类符号并进行位置编码形成正向序列，对另一个词嵌入编码序列位置反转后并在其首段添加分类符号和进行位置编码形成反向序列；将正向序列和反向序列均输入编码模块中进行训练，获得正向特征序列和反向特征序列；其中，所述编码模块包括多个依次串接的编码块；所述编码块包括：一个多头自注意力层和一个前向反馈全连接层，且每层之间通过残差连接和标准化层连接；将正向特征序列的分类符号的值和反向特征序列的分类符号的值相加，后经过全连接神经网络层和二分类器，预测人类物种RNA碱基序列中是否包含N1-甲基腺苷修饰位点；其包括：分类符号的值token随机初始化，并随着训练不断更新，将更新后的两路分类符号的值token相加以实现分类符号的值token上的信息汇聚；将更新后的token相加后，再经过全连接神经网络层和sigmoid两分类器预测是否为甲基化位点。

全文数据：

权利要求：

百度查询： 徐州工业职业技术学院 一种基于attention的双向表示模型的RNA修饰位点预测方法

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。

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