[发明专利]鉴别mRNA和lncRNA的有监督学习方法

权利要求书

1.一种鉴别mRNA和lncRNA的有监督学习方法，其特征在于：包括如下步骤：

1)从Genecode数据库中下载人的mRNA转录本数据和lncRNA转录本数据，选取符合长度要求的mRNA序列和lncRNA作为实验数据；

2)将实验数据中每一条转录本序列样本转化为k-mer序列，其中k为大于0的自然数；

3)统计每条序列中每种k-mer序列片段类型在该序列中的频数，然后进行归一化处理，求出每条序列中每种k-mer序列在该k-mers序列中所出现的频率，每条序列中k-mers的频率之和为1；

4)将k-mers频率构造成矩阵形式，作为卷积神经网络模型卷积层的输入，然后分别通过卷积计算层、池化计算层和采用softmax函数作为激活函数的全连接层，搭建卷积神经网络模型框架；

5)将实验数据分为模型训练样本数据集和模型测试样本数据集，利用模型训练样本数据集对卷积神经网络模型进行训练，得到分类模型；

6)通过调整卷积神经网络模型的参数和k值，优化卷积神经网络模型，并利用模型测试样本数据集验证分类准确率，从而准确预测mRNA和lncRNA序列。

2.根据权利要求1所述的鉴别mRNA和lncRNA的有监督学习方法，其特征在于：所述步骤1)中选取符合长度要求的mRNA序列和lncRNA作为实验数据的具体步骤为：从下载人的mRNA转录本数据和lncRNA转录本数据中随机选取2000～10000条序列对序列长度进行分析，确定lncRNA和mRNA的长度范围，然后从下载人的mRNA转录本数据和lncRNA转录本数据中符合lncRNA和mRNA的长度范围的数据中随机选取mRNA序列和lncRNA作为实验数据。

3.根据权利要求1所述的鉴别mRNA和lncRNA的有监督学习方法，其特征在于：所述步骤4)中卷积神经网络模型的第一层采用32个大小为3*3的卷积核，选取Relu激活函数，以0进行周边填充的方式保证卷积计算前后矩阵的大小不变；第二层采用64个大小为3*3的卷积核，选取Relu激活函数；第三层是最大池化层，池化区域大小是2*2，在池化层与全连接层之间以0.25的概率Dropout部分神经元的连接；最后一层是全连接层，采用128个神经元，与池化层全连接后采取以0.5的概率对全连接层与输出层神经元之间的连接进行Dropout，最后利用softmax函数作为激活函数得到分类结果。

4.根据权利要求1所述的鉴别mRNA和lncRNA的有监督学习方法，其特征在于：所述步骤5)中模型训练样本数据集的数量不少于10000条，模型测试样本数据集的数量不少于1000条。

5.根据权利要求1所述的鉴别mRNA和lncRNA的有监督学习方法，其特征在于：所述步骤2)中k的取值为1,2,3。

6.根据权利要求2所述的鉴别mRNA和lncRNA的有监督学习方法，其特征在于：所述lncRNA和mRNA的长度范围分别为250nt～3500nt和200nt～4000nt。