公开(公告)号：CN111798921A

公开(公告)日：2020-10-20

申请号：CN202010571759.0

申请日：2020-06-22

Applicant: 武汉大学

Inventor： 杜博 ,  刘子翼 ,  罗甫林

IPC: G16B5/20 ,  G16B15/20 ,  G16B20/30 ,  G16B40/00 ,  G06N3/04

Abstract: 本发明公开了一种基于多尺度注意力卷积神经网络的RNA结合蛋白预测方法，包括训练阶段和预测阶段。训练阶段包括RNA数据的预处理，RNA数据的编码，构建神经网络和网络参数训练。通过将RNA的数学抽象的统计模式转化成矩阵的形式，输入到预先设计好的基于注意力机制的多尺度卷积神经网络，通过使设计的特别交叉熵损失函数最小，使用Adam优化方法训练神经网络中的参数。在预测阶段，以四个碱基为基本单元的RNA序列数据被输入到网络中，神经网络最后一层输出RNA数据中是否有结合蛋白对应的结合位点的概率大小，从而获得对RNA序列类别的预测结果。本发明可以提高预测精度。

公开(公告)号：CN111798921B

公开(公告)日：2022-08-05

申请号：CN202010571759.0

申请日：2020-06-22

Applicant: 武汉大学

Inventor： 杜博 ,  刘子翼 ,  罗甫林

IPC: G16B5/20 ,  G16B15/20 ,  G16B20/30 ,  G16B40/00 ,  G06N3/04

Abstract: 本发明公开了一种基于多尺度注意力卷积神经网络的RNA结合蛋白预测方法，包括训练阶段和预测阶段。训练阶段包括RNA数据的预处理，RNA数据的编码，构建神经网络和网络参数训练。通过将RNA的数学抽象的统计模式转化成矩阵的形式，输入到预先设计好的基于注意力机制的多尺度卷积神经网络，通过使设计的特别交叉熵损失函数最小，使用Adam优化方法训练神经网络中的参数。在预测阶段，以四个碱基为基本单元的RNA序列数据被输入到网络中，神经网络最后一层输出RNA数据中是否有结合蛋白对应的结合位点的概率大小，从而获得对RNA序列类别的预测结果。本发明可以提高预测精度。