[发明专利]一种基于深度学习的RBP结合位点预测算法

权利要求书

1.一种基于深度学习的RBP结合位点预测算法，其特征在于，包括如下步骤：

步骤1)对于给定的RBP数据集，首先提取序列信息和独立测试集；再根据序列信息，预测出二级结构信息；根据序列和结构信息，分别构建序列和结构的编码矩阵；并构建独立测试集的编码矩阵，对应于每个RBP创建正样本和负样本；

步骤2)构建包括生成网络和判别网络的生成对抗网络；在训练过程中，采用强化学习对判别网络优化，使优化过后的判别网络促使生成网络生成更逼真的合成数据，并在步骤1)中所得的序列和结构的编码矩阵上分别进行训练；

步骤3)构建卷积自编码器预测模型，将步骤1)中所得到的编码矩阵和步骤2)中所得到的合成数据合并，分别得到数据规模更大的序列和结构矩阵，将序列和结构矩阵分别训练；

步骤4)分别提取卷积自编码器中序列和结构编码器中卷积核的参数，分别与RNA序列和结构的编码矩阵进行卷积运算，针对每个RBP，将所有滑动窗口中超过规定阈值的短序列拼接起来，对每组短序列进行序列比对，统计序列中每个位置上的一致性，作为motif；

步骤5)对每种RBP数据均训练一个对应的预测模型；对于一个待预测的RNA序列，首先编码序列，然后将编码信息输入到已训练好的各个预测模型中，最终的结果即为特异RNA与各个RBP对应的结合概率。

2.根据权利要求1所述的基于深度学习的RBP结合位点预测算法，其特征在于，所述步骤1)中构建序列和结构的编码矩阵过程如下：

步骤1.1)设定RNA序列长度为L，对RNA序列和标签进行one-hot编码；对于长度不足L的序列，采用“N”在末尾填充，“N”为等概率填充，“N”的向量表示为[0.25,0.25,0.25,0.25]；对于超过L的序列，将截取长度L作为训练序列；对于碱基A、C、G、U序列编码后编码矩阵维度为L×4；

步骤1.2)RNA二级结构为由FocusFold算法预测得到的“点-括号”格式，一对左右“括号”表示存在一对碱基配对，而“点”则表示未发生配对，每个符号分别按顺序对应于每个碱基位点，然后根据碱基配对原则，得到每个碱基位点的二级结构注释，所述二级结构注释包括堆叠S、自由端F、连接处J、发卡环H、内环与多环M，对RNA结构进行one-hot编码，结构编码后特编码阵维度为L×5。

3.根据权利要求2所述的基于深度学习的RBP结合位点预测算法，其特征在于，所述步骤2)中生成合成数据的过程如下：

步骤2.1)所述生成对抗网络包括生成网络和判别网络，其中，生成网络包括一层循环神经网络和一层全连接网络，全连接网络作为输出单元；判别网络包括一层循环神经网络、一层全连接网络和分类器；

步骤2.2)将步骤1.1)和步骤1.2)中所得的序列和结构的编码矩阵分别输入到生成对抗网络训练，采用强化学习技术优化判别网络；被优化的判别网络的返回值反馈给生成网络，多次训练迭代，生成网络生成更逼真的合成数据；

步骤2.3)提取步骤2.2)中已训练好的序列和结构生成网络，分别生成合成的序列和结构矩阵。

4.根据权利要求3所述的基于深度学习的RBP结合位点预测算法，其特征在于，所述生成网络中，循环神经网络采用双向LSTM，包含256个计算单元；全连接网络作为输出层，包含100个神经元；

所述判别网络中，循环神经网络采用双向LSTM，包含256个计算单元；全连接网络作为中间层，包含100个神经元；分类器采用Sigmoid激活函数。

5.根据权利要求1所述的基于深度学习的RBP结合位点预测算法，其特征在于，所述步骤3)中卷积自编码器构建与训练过程如下：

步骤3.1)所述卷积自编码器包括编码器与解码器，在预训练阶段，编码器与解码器共同工作，序列和结构分别训练，输入数据经过编码器的降维学习，得到中间抽象特征，之后解码器重构输入数据；

步骤3.2)在微调阶段，提取编码器模型与权重参数，将序列和结构的编码器并行，增加两层LSTM层，最终实现结合位点预测。