[发明专利]S-亚硝基化位点预测方法、模型训练方法及存储介质

权利要求书

1.一种S-亚硝基化位点预测模型的训练方法，其特征在于，包括以下步骤：

SS1获取S-亚硝基化序列数据文件，对数据文件进行预处理，得到序列样本；

SS2根据特征提取算法对所述序列样本进行特征提取，得到序列特征，并将序列特征拼接，得到初始特征集；

SS3对所述初始特征集进行平衡处理，并根据重要性对所述序列特征进行筛选，得到目标特征集；

SS4根据目标特征集对集成分类算法进行训练，得到目标S-亚硝基化位点预测模型。

2.根据权利要求1所述的S-亚硝基化位点预测模型的训练方法，其特征在于，步骤SS1，包括以下步骤：

SS11获取S-亚硝基化序列数据文件；

SS12对数据文件进行预处理：在S-亚硝基化序列数据文件中，将S-亚硝基化序列文件作为序列正样本，将非S-亚硝基化序列文件作为序列负样本；

SS13得到序列样本：根据所述序列正样本和所述序列负样本，得到序列样本。

3.根据权利要求2所述的S-亚硝基化位点预测模型的训练方法，其特征在于，步骤SS1中，对数据文件进行预处理，包括以下步骤：

SS121对S-亚硝基化序列数据文件进行格式修正、内容修正、冗余度修正；

SS122再将其中S-亚硝基化序列文件作为序列正样本，将非S-亚硝基化序列文件作为序列负样本。

4.根据权利要求1所述的S-亚硝基化位点预测模型的训练方法，其特征在于，步骤SS2中，所述特征提取算法包括：

bidirectional long short term memory算法和bidirectional encoderrepresentations from Transformers算法。

5.根据权利要求1～4任一项所述的S-亚硝基化位点预测模型的训练方法，其特征在于，步骤SS2，包括以下步骤：

SS21根据序列样本中同一序列位置顺序，对所述序列样本进行特征提取，得到与序列样本位置顺序相应一致的序列特征；

SS22根据序列样本中同一序列位置顺序对序列特征进行拼接，得到与序列样本位置顺序相应一致的初始特征集。

6.根据权利要求1所述的S-亚硝基化位点预测模型的训练方法，其特征在于，步骤SS3，包括以下步骤：

根据edited nearest neighbours(ENN)和adaptive synthetic(ADASYN)算法对所述初始特征集进行平衡处理，并根据MRMD算法对所述序列特征进行筛选，得到目标特征集。

7.据权利要求6所述的S-亚硝基化位点预测模型的训练方法，其特征在于，所述MRMD算法依据maxMR_i、mean(maxMD_i)以及MRMD_score对所述序列特征进行筛选，公式如下：

其中，其中maxMR_i表示i个特征之间的最大关联MR(Max-Relevance)值；MD_i表示i个特征之间的最大距离；MRMD_score为最大关联-最大距离(MR-MD)的最终得分；

PCC表示皮尔逊相关系数(Pearsons correlation coefficient),是M-D维的特征向量，由每个实例的第i个特征组成；也是一个M-D维的特征向量，它的每个元素都来自每个实例的目标类C；

ED_i表示第i个特征的欧几里得距离(Euclidean distance)、COS_i表示第i个特征的余弦相似度(cosine similarity),而TC_i则表示第i个特征的谷本系数(Tanimotocoefficient)，mean(maxMD_i)表示最大距离的均值；

变量w_r(0w_r≤1)和w_d((0w_d≤1)分别为最大相关度MR和最大距离MD的权重。