[发明专利]一种端到端的基于深度学习的ncRNA家族识别方法

摘要

本发明公开了一种端到端的基于深度学习的ncRNA家族识别方法，其方法分为三部分：模型设计、模型训练以及装置设计和模型测试，各部分主要步骤为：第一步、模型设计；第二步、模型训练及装置设计；第三步、模型测试。本发明的有益效果：本发明提供了一种端到端的基于深度学习的ncRNA家族识别方法，该方法的新颖之处在于可以直接利用深度学习提取ncRNA序列特征来识别ncRNA家族，而不需要基于ncRNA二级结构预测工具的二级结构特征。不同于其他方法，我们的方法避免了由于ncRNA二级结构预测工具准确率比较低，而对精确地识别ncRNA家族带来不利的影响。因此，我们的方法不仅简化了操作步骤，使得ncRNA家族识别更加简便，更提高了识别精度。

主权项

1.一种端到端的基于深度学习的ncRNA家族识别方法，其特征在于：其方法如下所述：/n所述方法分为三部分：模型设计、模型训练以及装置设计和模型测试，各部分主要步骤如下：/n第一步、模型设计：/n1)、深度学习包括三种网络模型：即全连接神经网络、卷积神经网络以及循环神经网络，其中全连接神经网络适用于所有数据，因其节点过多导致其时间和空间复杂度偏高，卷积神经网络适用于二维数据，循环神经网络能够记录上下文的信息适用于文本类数据；/n2)、由于处理好的ncRNA数据是文本类数据，因此采用三层双向LSTM作为编码器，三层双向LSTM为循环神经网络的一种类型，将ncRNA数据中的每个碱基结合其上下文编码为数据格式相同的矩阵；/n3)、注意力机制源于对人脑注意力特性的模拟，其核心思想是将更多的注意力放在有用的输入信息上，而较少地放在其他信息上，从而改变对外界信息的关注，忽略无关信息，放大期望信息，从而大大提高了集中注意区域信息的接收灵敏度和处理速度，相同家族的ncRNA序列有相似的序列种子，只需将模型的注意力放在这些种子序列上即可对ncRNA进行分类，因此添加一次注意力机制；/n4)、设置一个三层全连接神经网络作为解码器，将上述2)和3)两步中的输出结果解码为输入数据对应的类别；/n第二步、模型训练及装置设计：/n1)、需要输入和显示输出数据，选择一台PC电脑作为上位机用于输入数据和显示识别结果，另外还需要读取、存储、处理以及计算输入的数据，使用ARM9微处理器连接一个1080TI的用于计算的显卡作为处理与计算部分的装置；/n2)、ARM9微处理器02由接口部分0210、存储单元0220及处理单元0230构成，其中接口部分0210包括：USB接口0211、JTAG调试接口0212、以太网接口0213及RS-232串口0214；其中USB接口0211可与U盘连接，实现将ncRNA识别得到的结果数据的转存，以此实现存储单元的扩增；JTAG调试接口0212通过JTAG仿真编程器转换设备与上位机JTAG接口0122相连，用来实现程序的在线调试，以太网接口0214，通过此接口与上位机01的以太网接口0123进行连接，从而实现ARM9微处理器02与上位机01的互通信；RS-232串口0214，通过此接口与上位机01的RS-232串口0124进行连接，从而实现ARM9微处理器02与上位机01的互通信；存储单元0220包括：内存储单元0222、缓存单元0223及外存储单元0221；内存储单元0222，与缓存单元0223进行连接，负责完成ncRNA初始数据及中间数据的存储；缓存单元0223，与内存储单元0222及预处理单元0231进行连接，负责完成ncRNA家族识别初始数据的存储；外存储单元0221，与最优结构获取单元0234进行连接，负责完成ncRNA家族识别结果数据的存储；预处理单元0231与缓存单元0223连接，负责获取缓存单元0223中ncRNA数据读入及数据预处工作；深度学习单元0232是微处理器连接的一块1080Ti显卡，主要负责深度学习部分的计算工作；/n3)、上位机01由输入单元0111，接口部分012的USB接口0121、JTAG调试接口0122、以太网接口0123和RS-232串口0124，显示单元0131共同构成来完成与ARM9微处理器02的协调工作；其中输入单元0111，与接口部分012连接，负责完成ncRNA序列的输入；接口部分012负责与ARM9微处理器02进行连接通信；显示单元0131，与接口部分012连接，负责完成ncRNA家族识别结果的输出显示；/n4)、通过上位机的输入单元输入ncRNA序列和其对应的家族标签，并通过RS-232串口传至ncRNA家族识别装置的内存储单元，并进一步将数据读到缓存单元中；/n5)、预处理单元从缓存单元中读取ncRNA信息，首先将长度大于400的数据从头截断为长度为400的序列，将长度小于400的序列填充N到长度为400并将其存储在缓存单元中，然后将每条数据转化为400×8的矩阵，转化规则为A-10000010，U-00101000，C-00010100，G-01000001，N-00000000并将其存储在缓存单元中；/n6)、深度学习单元从缓存单元中随机按批次读取ncRNA和标签数据，对已设计好的算法模型进行训练学习；/n第三步、模型测试：/n1)、通过上位机的输入单元输入ncRNA序列，并通过RS-232串口传至ncRNA家族识别装置的内存储单元，并进一步将数据读到缓存单元中；/n2)、预处理单元从缓存单元中读取ncRNA信息，首先将长度大于400的数据从头截断为长度为400的序列，将长度小于400的序列填充N到长度为400并将其存储在缓存单元中，然后将每条数据转化为400*8的矩阵，转化规则为A-10000010，U-00101000，C-00010100，G-01000001，N-00000000并将其存储在缓存单元中；/n3)、将处理好的ncRNA数据输入到深度学习方法中对其进行家族识别预测并将预测结果传回到上位机的显示单元上进行输出显示并存储在外存储单元中。/n