公开(公告)号：CN117393055A

公开(公告)日：2024-01-12

申请号：CN202311528182.5

申请日：2023-11-16

Applicant: 中南大学

Inventor： 曾敏 ,  李敏 ,  赵保莹 ,  李一鸣

IPC: G16B40/20 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于图对比学习融合注意力机制的lncRNA亚细胞定位预测方法、系统、设备及介质，方法包括：将每个lncRNA序列样本转化为对应的德布鲁因图；使用基于图卷积和全局注意力机制的编码器获取德布鲁因图的编码向量，再使用解码器解码；基于正负样本对的解码向量构建有监督的对比学习损失函数，再结合分类器对输入编码向量的定位预测概率构建的分类损失函数，得到整体损失函数；利用lncRNA序列样本并基于整体损失函数，学习整体模型参数；对于待进行亚细胞定位预测的lncRNA序列，将其转化为德布鲁因图，并使用编码器获取编码向量，再使用分类器进行亚细胞定位预测。本发明对lncRNA亚细胞定位预测精度高。

公开(公告)号：CN115394348A

公开(公告)日：2022-11-25

申请号：CN202210829698.2

申请日：2022-07-15

Applicant: 中南大学

Inventor： 曾敏 ,  李敏 ,  赵保莹

IPC: G16B5/00 ,  G16B30/00 ,  G16B40/00

Abstract: 本发明公开了一种基于图卷积网络的lncRNA亚细胞定位预测方法、设备及介质，方法包括：(1)将待测lncRNA序列转换为k‑mer形式的序列，以转换后序列中各k‑mer单元为节点进行构图得到带权有向图，并对图的边权进行标准化处理得到边权标准化的有向图；(2)基于word2vec技术提取有向图中各节点的分布式词向量，并嵌入到边权标准化的有向图中；(3)采用预先训练好的基于图卷积网络的预测模型，根据嵌入分布式词向量的有向图，对待测lncRNA序列进行亚细胞定位输出。本发明比传统机器学习模型和现有方法更好的预测性能。