[发明专利]一种环状RNA-RNA结合蛋白关系预测模型构建方法

权利要求书

1.一种环状RNA-RNA结合蛋白关系预测模型构建方法，其特征是，包括有以下步骤：

S1、将原始的环状RNA序列数据集中的环状RNA序列与对应的蛋白质序列对应结合构造为环状RNA-RNA结合蛋白序列对，重构形成目标数据集；

S2、采用典型的词向量训练方法训练参考资料库中环状RNA序列片段和蛋白质序列片段的分布式表征，得到对应的词向量字典；

S3、根据S2所得的词向量字典，将S1得到的目标数据集中的序列对映射成对应的词向量矩阵对，以将原始的环状RNA序列和蛋白质序列转化成对应的分布式表征形式；

S4、将S3得到的序列对的分布式表征输入伪孪生网络，得到编码后对应的两个特征向量；

S5、将S4得到的编码后的两个特征向量输入一个度量函数，输出对绑定概率的预测，计算预测值和标签的差值，优化模型参数；

S6、将步骤S3、S4、S5在原始的环状RNA序列数据集全集上进行一次称为一轮迭代，若迭代轮数等于给定常数或达到早停算法的阈值则停止迭代，进入步骤S7，否则返回步骤S3，迭代轮数加1，其中迭代轮数初始值为0；

S7、模型训练迭代结束后保存测试指标和得到的模型。

2.根据权利要求1所述的环状RNA-RNA结合蛋白关系预测模型构建方法，其特征是，步骤S1中将原始的环状RNA序列数据集中的环状RNA序列与对应的蛋白质序列对应结合构造为环状RNA-RNA结合蛋白序列对，重构形成目标数据集具体为：

S11、初始化新数据集N为空；

S12、对于一个与某种类型RNA结合蛋白相结合的环状RNA序列子数据集，确定该RNA结合蛋白的蛋白质序列；

S13、将S12中环状RNA序列子数据集中每一个样本的环状RNA序列和对应结合的RNA结合蛋白组成一对，样本的标签不变，加入新数据集N；

S14、将步骤S12、S13进行一次称为一轮迭代，若所有类型的RNA结合蛋白对应的环状RNA序列子数据集都已经经过重构则停止迭代，进入步骤S15，否则返回步骤S12；

S15、保存新数据集N作为重构后的目标数据集。

3.根据权利要求2所述的环状RNA-RNA结合蛋白关系预测模型构建方法，其特征是，步骤S2中采用典型的词向量训练方法训练参考资料库中环状RNA序列片段和蛋白质序列片段的分布式表征的步骤包括：

S21、确定RNA序列语料库和蛋白质序列语料库；

S22、将语料库的序列进行分词，对于RNA序列，以长度为10，步长为1的滑动窗口切分成RNA子序列；对蛋白质序列，以长度为5的滑动窗口，步长为1的方式切分成蛋白质子序列，切分后形成两个新的语料库，RNA子序列和蛋白质子序列分别作为单词；

S23、使用典型的词向量训练方法，分别训练两个语料库，得到RNA序列的分布式表征和蛋白质序列的分布式表征，对应生成两个词向量字典，分别为RNA序列表征词典与蛋白质序列表征词典。

4.根据权利要求3所述的环状RNA-RNA结合蛋白关系预测模型构建方法，其特征是，步骤S3中得到原始的环状RNA序列和蛋白质序列对应的分布式表征的步骤包括：

S31、将RNA序列映射为词向量矩阵，以长度为10，步长为1的滑动窗口，将RNA原序列从首部开始进行切分，得到RNA子序列集；根据S2中得到的RNA序列表征词典，依次将RNA子序列集中的RNA子序列映射为词向量，堆叠得到的词向量矩阵为RNA原序列的分布式表征；

S32、将蛋白质序列映射为词向量矩阵，以长度为5，步长为1的滑动窗口，将蛋白质原序列从首部开始进行切分，得到蛋白质子序列集；根据S2中得到的蛋白质序列表征词典，依次将蛋白质子序列集中的子序列映射为词向量，堆叠得到的词向量矩阵为蛋白质原序列的分布式表征。

5.根据权利要求4所述的环状RNA-RNA结合蛋白关系预测模型构建方法，其特征是，步骤S4将序列对的分布式表征输入伪孪生网络的步骤包括：将步骤S3得到的词向量矩阵对分别输入伪孪生网络的两个分支，每个分支是不共享权重的编码器模块，编码器模块可采用不同的网络骨干。

6.根据权利要求5所述的环状RNA-RNA结合蛋白关系预测模型构建方法，其特征是，步骤S5中将编码后的两个特征向量输入一个度量函数的步骤包括：将S4中的两个分支输出的特征向量拼接，输入一个全连接网络中，损失函数为交叉熵损失函数。