[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

说明书

本发明属于生物信息学领域，涉及一种基于深度卷积神经网络的RNA‑蛋白质结合位点预测方法，其中包括卷积神经网络和RNA序列数据处理等技术，旨在提高卷积神经网络模型对RNA‑蛋白质结合位点的预测性能。首先，确定不同窗口长度，使用不同长度的窗口分别处理RNA序列；其次，把处理好的RNA序列通过单热编码方式编码成矩阵，针对多个单热编码矩阵训练多个卷积神经网络模型，并保存这些训练好的模型用于预测；最后，将需要预测的RNA序列经过处理后得到多个单热编码矩阵，分别输入对应的卷积神经网络模型得到多个预测概率，取多个模型预测概率的平均值作为预测结果。

技术领域

本发明属于生物信息学领域，涉及一种基于卷积神经网络的 RNA-蛋白质结合位点预测方法，其中包括卷积神经网络和 RNA 序列数据处理等技术。

背景技术

RNA 结合蛋白 (以下简称 RBPs) 在许多生物过程中发挥关键作用，例如：基因调控、mRNA 定位等。一些 RBPs 的突变可能会导致人类疾病。例如：RBPs FUS 和 TDP-43 的突变可导致肌萎缩性侧索硬化症。因此，解码 RBPs 可以对许多生物学机制有更深入的见解。

通过实验的方法检测 RBPs 耗时且昂贵。使用从现有注释知识中学习到的模式来计算预测 RBPs 是一种快速的方法。许多的计算方法已经被提出，神经网络和支持向量机等相关方法已经被成功的应用于预测 RBPs。

本发明最重要的创新点是提出了一种新的提取 RNA 序列结合信息的方法，即通过不同长度的窗口分别处理 RNA 序列，使得模型可以提取更丰富的序列结合信息，提高模型预测 RNA-蛋白质结合位点的性能。

发明内容

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 ( 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就根据下面步骤1的公式 (1) 确定下来) 不同长度的窗口分别处理RNA序列，因此，需要首先确定P个不同的窗口长度；

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 (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) 个有部分重叠的等长子序列，子序列不足的RNA序列使用全是补足碱基N的子序列填充；

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。

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：