[发明专利]基于双向注意力机制的RNA与蛋白质绑定偏好预测方法和系统

权利要求书

1.基于双向注意力机制的RNA与蛋白质绑定偏好预测方法，其特征在于，包括以下步骤：

S1.基于RNA数据，将所述RNA数据转化为k-mer序列，依据多示例学习机制，通过将所述k-mer序列分割为若干k-mer句子，构建RNA数据转换模型，用于获得k-mer序列数据；

S2.基于所述RNA数据转换模型，通过word2vec方法，获得k-mer原始模型，通过对所述k-mer序列数据进行统计分析，获得k-mer词汇表，基于所述k-mer原始模型，获得所述k-mer词汇表的若干个k-mer表示向量，基于所述若干个k-mer表示向量，构建嵌入矩阵，将所述嵌入矩阵放入所述k-mer初始模型的嵌入层，构建k-mer目标模型；

S3.基于所述k-mer目标模型，通过第一双向LSTM方法，构建k-mer数据关联模型；

S4.基于双向注意力机制，依据所述k-mer数据关联模型，构建k-mer数据评估模型，用于评估所有k-mer对于RNA序列与蛋白质绑定的位点和其相邻位点的重要性；

S5.基于第二双向LSTM方法，通过所述k-mer数据评估模型，依据所述RNA数据对应的所述k-mer序列数据，构建k-mer特征信息模型，用于提取k-mer序列数据的所述k-mer句子的特征信息；

S6.基于所述k-mer特征信息模型，通过单向注意力机制，构建k-mer数据重要性评估模型，用于评估不同k-mer句子间的重要性；

S7.基于所述k-mer数据重要性评估模型，获得所述RNA数据的文本特征向量，通过使用softmax获取所述文本特征向量对应的预测概率值，构建绑定偏好预测评估模型，用于预测RNA与蛋白质的绑定偏好。

2.如权利要求1所述基于双向注意力机制的RNA与蛋白质绑定偏好预测方法，其特征在于，

所述RNA数据包括RNA序列数据和RNA结构数据。

3.如权利要求1所述基于双向注意力机制的RNA与蛋白质绑定偏好预测方法，其特征在于，

所述k-mer序列的表达公式为：

其中，N_k表示所述k-mer序列中k-mer的数量；k_l表示k-mer长度；k_s表示k-mer分割时的滑动窗口尺寸；符号表示计算时向下取整；

所述k-mer句子的表达公式为：

其中，N_s表示将所述k-mer序列分割后句子的数量；s_l表示句子的长度；s_s表示句子分割时的滑动窗口尺寸。

4.如权利要求1所述基于双向注意力机制的RNA与蛋白质绑定偏好预测方法，其特征在于，

所述k-mer目标模型的表达公式为：

Ek_it＝EM_kk_it,t∈[1，T],

其中，EM_k表示嵌入矩阵；i表示第i个k-mer句子k_it；T表示第i个k-mer句子k_it中元素数量；ek_it表示经过嵌入矩阵转换后的数据。