[发明专利]miRNA靶基因预测及其模型训练的方法、系统和存储介质

说明书

本申请提供了一种miRNA靶基因预测及其模型训练的方法、系统和存储介质。所述miRNA靶基因预测模型的训练方法包括：将由miRNA的序列和mRNA的序列拼接而成的输入数据投射到A碱基空间、U碱基空间、G碱基空间和C碱基空间，从而获得A碱基向量、U碱基向量、G碱基向量和C碱基向量；利用miRNA靶基因预测模型的四级依次连接的卷积层、激活层和池化层从所述A碱基向量、所述U碱基向量、所述G碱基向量和所述C碱基向量提取特征张量；将所提取的特征张量输入全连接层以获得预测结果；将所获得的预测结果与参考结果进行比对；以及基于比对的结果优化所述miRNA靶基因预测模型。

技术领域

本申请涉及生物信息学，更具体地，涉及一种miRNA靶基因预测及其模型训练的方法、系统和存储介质。

背景技术

microRNA(以下简称“miRNA”)是一类由内源基因编码的非编码单链RNA分子，其长度一般约为18-25nt。在生物发展进程中，miRNA具有重要的调节作用。miRNA主要通过参与基因的转录后调控实现对靶基因表达的负调节，具体作用方式主要为翻译抑制(常见于动物)和降解靶基因(常见于植物)。miRNA在肿瘤发生发展、生物发育、器官形成、病毒防御、表观调控以及代谢等方面起着极其重要的调控作用。了解miRNA调控的靶基因对于肿瘤防治以及其他疾病诊疗具有重要意义。

然而，miRNA具有非常复杂的调控网络，往往一个miRNA可以调控多种靶基因，而同一个靶基因也可以有多个miRNA来进行调节。目前业内广泛使用miRanda、RNAhybrid、PITA、TargetScan等软件预测miRNA的靶基因。这类软件的思路是计算miRNA和靶基因的互补配对情况，并进一步根据miRNA和靶基因结合的热力学稳定性来判断该靶基因是否是与miRNA互作的基因。虽然这类软件在预测过程中考虑了miRNA特定序列和靶基因的碱基互补情况、靶基因非翻译区的跨物种保守性以及miRNA和靶基因二聚体热力学稳定性，并且这类方法可以用于任何物种，计算量相对较小，然而，这类软件的算法本身并未真正反映出miRNA和靶基因的互作生物学机制。因此，这类软件对于miRNA靶基因预测的准确率往往不足40％。这大幅增加了后期验证的工作量，因此时间成本和经济成本并不低廉。此外，现有的miRNA靶基因预测软件(例如miranda、PITA、RNAhybrid等)通常需要用户在进行靶基因预测时输入热力学能量阈值、得分阈值、折叠UTR需要考虑的目标上下游位置等信息，这些信息一方面对于预测结果具有一定的偏好干扰(尤其是在当前没有真正理解miRNA与靶基因作用机制的情况下)，另一方面也带来了一些使用上的不便利。因此，市场上需要一种相对高效、准确、便捷的miRNA靶基因预测方法。

发明内容

本申请提供了一种miRNA靶基因预测模型的训练方法，包括：将由miRNA的序列和mRNA的序列拼接而成的输入数据投射到A碱基空间、U碱基空间、G碱基空间和C碱基空间，从而获得A碱基向量、U碱基向量、G碱基向量和C碱基向量；利用miRNA靶基因预测模型的四级依次连接的卷积层、激活层和池化层从所述A碱基向量、所述U碱基向量、所述G碱基向量和所述C碱基向量提取特征张量；将所提取的特征张量输入全连接层以获得预测结果；将所获得的预测结果与参考结果进行比对；以及基于比对的结果优化所述miRNA靶基因预测模型。

根据本申请实施方式，所述miRNA的序列和所述mRNA的序列包括阳性训练集中彼此互作的miRNA的序列和mRNA的序列以及阴性训练集中随机生成的miRNA的序列和mRNA的序列，其中：所述阳性训练集中彼此互作的miRNA的序列和mRNA的序列是从ENCORI、miRDB、miRTarBase、miRNet、miRWalk中至少一个数据库中提取的经低通量实验验证的、彼此互作的miRNA的序列及对应的mRNA的序列；所述阴性训练集中随机生成的miRNA的序列和mRNA的序列是随机生成的序列，并且所述随机生成的序列排除了所述阳性训练集中彼此互作的miRNA的序列和mRNA的序列以及经miRanda、RNAhybrid和PITA预测互作的miRNA的序列和mRNA的序列。