[发明专利]一种基于卷积神经网络和规划动态算法的RNA二级结构生成器及其预测方法

说明书

本发明公开了一种基于卷积神经网络和规划动态算法的RNA二级结构生成器，包括：微处理器；存储单元，处理单元，其包括：预处理单元，负责获取缓存单元中RNA数据，并对所述RNA数据进行预处理；滑动窗口单元，其连接所述预处理单元，用于将经过预处理后的RNA数据分割为大小相同的RNA二维数组；卷积神经网络模型单元，其以前期收集的大量RNA测序及其结构数据为基础，构建卷积神经网络模型，对序列内各个碱基进行分类预测；规划动态算法单元，其用于修正卷积神经网络模型单元的预测结果，还公开了一种基于卷积神经网络和规划动态算法的RNA二级结构预测方法。

技术领域

本发明涉及生物信息学领域，涉及一种基于卷积神经网络和规划动态算法的RNA二级结构的生成器及预测方法。

背景技术

核糖核酸(缩写为RNA，即Ribonucleic Acid)，存在于生物细胞以及部分病毒、类病毒中的遗传信息载体。RNA就是由核糖核苷酸经磷酸二酯键缩合而成长链状分子。RNA分子通过其结构来表现其功能，然而，RNA分子的三级结构较为复杂，缺少有效的表示方法对其进行描述。因此，一般情况下会通过RNA的二级结构来研究RNA的功能及特性。

二级结构以往是由生物大分子在原子量级结构下的氢键来定义的。在蛋白质，二级结构则是以主链中氨基之间的氢键模式来定义，亦即DSSP所定义的氢键，并不包括主链与旁链间或是旁链之间的氢键。而RNA的二级结构则是以碱基之间的氢键来定义。在很多RNA分子，二级结构对RNA正常功能非常重要，有时甚至于较序列重要。

现有的生物实验测定RNA二级结构的方法主要有X射线晶体衍射和 NMR等方法。通过生物实验方法可以得到较为精确的RNA二级结构，然而这种方法十分低效、昂贵，难以大批量测定其结构。因此，通过计算机算法对RNA二级结构进行模拟成为一种有效的途径。

通过计算机设计算法来预测RNA的二级结构的主要方法有两大类，一类是利用动态规划算法，算法在能量或其他限制条件的影响下，通过迭代递归的思想来对RNA二级结构进行预测。另一类是通过序列比对的方法，在已知结构的RNA数据库中找到其同源序列，通过与同源序列比对的方法来对未知结构的RNA来进行预测。

目前，深度学习在各大领域的预测问题上均有非常有效的结果。深度学习的方法可以在大规模数据中，通过构建深层网络来提取出有效的、隐含的特征，并利用这些特征构建出有效的预测模型。目前，深度学习的方法在蛋白质的二级结构预测领域已经有了较大的突破。因此，将深度学习方法应用到RNA二级结构预测领域成为一个新的研究领域。

发明内容

本发明设计开发了一种RNA二级结构生成器，自动提取出数据中有效的隐藏特征，对序列内各个碱基进行分类预测。

本发明还设计开发了一种RNA二级结构预测方法，使用规划动态算法对预测结果进行修正，利用这种方法可以排除能量对RNA二级结构预测结果的影响。

本发明提供的技术方案为：

一种基于卷积神经网络和规划动态算法的RNA二级结构生成器，包括：

微处理器；

存储单元，其包括：

内存储单元，其用于RNA初始数据的存储；

缓存单元，其连接所述内存储单元；

存储单元，其与所述缓存单元连接，用于完成所述RNA二级结构预测结果数据的存储；

处理单元，其包括：

预处理单元，其用于获取缓存单元中RNA数据，并对所述RNA数据进行预处理；

滑动窗口单元，其连接所述预处理单元，用于将经过预处理后的 RNA数据分割为大小相同的核苷酸序列二维数组；