公开(公告)号：CN119446267A

公开(公告)日：2025-02-14

申请号：CN202411536246.0

申请日：2024-10-31

Applicant: 安徽大学

Inventor： 郑春厚 ,  贾悦 ,  李海涛 ,  苏延森

IPC: G16B25/10 ,  G16B20/40 ,  G16B30/00 ,  G16B40/20 ,  G16B40/30 ,  G06F18/213 ,  G06F18/232 ,  G06F18/27 ,  G06N3/082 ,  G06N3/084 ,  G06N3/0985 ,  G06N3/045 ,  G06N3/0464 ,  G06N5/045

Abstract: 本发明公开了一种基于可解释深度学习的先天免疫基因表达的预测方法，包括：1、收集并预处理DNA启动子序列和表观遗传修饰数据，并将预处理后的数据集划分为训练集和独立测试集，以便对模型的预测性能进行验证；2、基于残差连接、卷积神经网络和注意力机制构建人类先天免疫基因表达预测网络；3、在多个细胞系上进行模型训练，得到最优人类先天免疫基因表达预测模型，并在独立测试集上评估模型的预测效果；4、通过积分梯度方法对模型进行事后可解释性分析，识别最有可能影响基因表达的关键基序。本发明通过对DNA序列信息和表观遗传修饰信息的更有效的提取，为深入理解先天免疫基因的调控机制以及开发个体化医疗提供了新的工具。