本发明公开了一种基于深度学习的RBP结合位点预测算法,首先从RNA序列信息出发,增加二级结构特征作为输入;通过基于强化学习的生成对抗网络,对RBP进行数据增强,目的是通过增强训练集规模来提高预测模型的预测能力;提出卷积自编码器作为预测模型,预训练过程包括编码器和解码器的训练,提取已训练好的编码器微调;能够预测未知结合位点的RNA序列;通过卷积自编码器的卷积核,能够提取与RNA发生结合的序列motif与结构motif,探究不同RBP的序列和结构特异性;对于每种RBP数据都训练一个对应的预测模型;对于一个待预测的RNA序列,首先编码序列,然后将编码信息输入到已训练好的各个预测模型中,最终的结果即为特异RNA与各个RBP对应的结合概率。
声明:
“基于深度学习的RBP结合位点预测算法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)