[发明专利]基于注意力孪生网络的蛋白质结合位点预测方法

说明书

一种基于注意力孪生网络的蛋白质结合位点预测方法，采用具有两层卷积层的神经网络对输入的进行特征提取，再根据提取到的特征估计绑定概率，得到预测的RNA序列绑定蛋白质的概率。本发明采用深度神经网络成对度量学习有效地增强捕获circRNA之间互信息的网络能力，并使用来自其他RBP的可用标记数据进行预训练，从而显著提高预测精确度。

技术领域

本发明涉及的是一种基因工程领域的技术，具体是一种基于注意力孪生网络识别环状RNA上特征性较差的RNA与蛋白质结合位点预测方法(iDeepC)。

背景技术

环状RNA(circRNA)是一类进化保守的非编码RNA，它们在基因调控中起着至关重要的作用。通常circRNA与RNA结合蛋白(RBP)结合以在许多生物学过程中发挥功能，为解circRNA的功能机制，需要知道它们与哪些RBP结合。

现有预测RBP-circRNA相互作用的计算方法包括RBP通用方法和RBP特定方法。前者针对所有合并的RBP-circRNA相互作用训练一个通用模型，后者针对RBP特异性结合circRNAs针对每个RBP训练一个模型。由于RBP特定模型可以捕获掩埋在单个RBP中的独特绑定模式故优于RBP通用模型，但其缺陷在于构建更多的子模块，并且当感兴趣的RBP不在已知RBP中，则每个独立模型的泛化能力将很弱。

发明内容

本发明针对现有深度学习技术对于特征有限，已知目标circRNA数量较少的RBP的预测精度较差的问题，提出一种基于注意力孪生网络的蛋白质结合位点预测方法，采用深度神经网络成对度量学习有效地增强捕获circRNA之间互信息的网络能力，并使用来自其他RBP的可用标记数据进行预训练，从而显著提高预测精确度。

本发明是通过以下技术方案实现的：

本发明涉及一种基于注意力孪生网络的蛋白质结合位点预测方法，采用具有两层卷积层的神经网络对输入的进行特征提取，再根据提取到的特征估计绑定概率，得到预测的RNA序列绑定蛋白质的概率。

所述的神经网络，包括两个串联的卷积(CNN)层、修正线性(ReLU)层、全连接(FC)层、全局池化层、H-swish激活层，其中：第一卷积层根据输入RNA序列信息，进行卷积处理，得到卷积之后的结果，第二卷积层根据第一卷积层进行卷积处理，得到卷积之后的结果，修正线性(ReLU)层根据第一卷积层的结果，进行修正处理，得到非线性化的结果，H-swish激活层根据第一卷积层的结果经过全连接(FC)层、全局池化、全连接(FC)层的信息，进行激活处理，得到激活之后的结果。

所述的提取到的特征，包括：测试RNA序列x_j和支持集序列对应的特征f_θ(x_q)和特征{f_θ(x_j)，j＝1...m}。

所述的绑定概率是指：其中：度量函数M(.)＝F(|f_θ(x_q)-f_θ(x_j)|)，f_θ(.)为特征向量，|.|为绝对值，F(.)为全连接层，p_q即为预测的RNA序列x_q绑定蛋白质的概率。

所述的神经网络，通过从对RBP数据集中采样构建正、负样本对；经过one-hot编码后按样本对为单位进行训练。

所述的RBP数据集，即RBP-24和RBP-37。其中将RBP-37的各个RBP按照8∶2的比例划分训练集和测试集，当同一RNA的不同片段同时出现在训练集和测试集时，将其修改至训练集中以保证同一条RNA全长序列不同时出现在训练集和测试集。

所述的预训练，使用C22ORF28训练的结果作为模型的初始化参数，代替模型参数随机初始化。

技术效果