[发明专利]一种基于卷积神经网络的RNA-蛋白质结合位点预测方法

权利要求书

1.一种基于卷积神经网络的RNA-蛋白质结合位点预测方法，包括预处理RNA序列、训练卷积神经网络和测试卷积神经网络三个过程，其具体步骤如下：

步骤1、为了从RNA序列中提取更多的结合信息，需要使用P个不同长度的窗口分别处理RNA序列，P表示窗口数量，当不同窗口长度之间的间隔X确定下来时，P就根据公式 (1) 确定下来，因此，需要首先确定P个不同的窗口长度；

其中，MaxL是初始窗口长度，MinL是最小窗口长度，X是从初始窗口长度递减核苷酸的个数；

步骤2、使用P个不同长度的窗口分别处理RNA序列；对于不等长的RNA序列，当窗口长度大于RNA序列时，使用补足碱基N把RNA序列填充到窗口长度；当窗口长度小于RNA序列时，根据窗口长度把RNA序列分割成Q个有部分重叠的等长子序列，Q表示等长子序列数量，当窗口长度确定下来时，Q就根据公式 (3) 确定下来，子序列不足的RNA序列使用全是补足碱基N的子序列填充；

其中，L是RNA序列长度，W是窗口大小，S是窗口之间的重叠长度，当剩余RNA碱基数量大于10时，从后向前截窗口大小的长度作为一条子序列；

步骤3、把步骤2中使用P个不同长度的窗口分别处理好的RNA序列数据通过单热编码的方式编码成P个矩阵；

步骤4、把步骤3中生成的P个单热编码矩阵作为卷积神经网络的输入，对于P个单热编码矩阵，每一个单热编码矩阵训练一个卷积神经网络模型；

步骤5、保存训练好的P个卷积神经网络模型；

步骤6、使用步骤5中保存好的模型来预测输入的RNA序列数据。

2.根据权利要求1所述的一种基于卷积神经网络的RNA-蛋白质结合位点预测方法，步骤1的实现过程如下：

确定处理RNA序列所使用的不同窗口长度：将501个核苷酸的长度作为初始窗口长度MaxL；其余窗口长度分别以MaxL为初始长度递减核苷酸个数为X的整数倍；考虑到模型的预测性能以及模型训练的和测试时间，X的值确定为50，窗口的最小长度MinL为101个核苷酸；窗口的个数P根据公式 (1) 确定；不同窗口的长度W根据公式 (2) 确定：

其中，i是窗口长度编号，最终产生P个不同长度的窗口。