[发明专利]一种基于序列和形状信息深度融合的模体挖掘方法

说明书

本发明涉及一种基于序列和形状信息深度融合的模体挖掘方法，包括：S1、构建深度嵌入卷积神经网络模型，并对DNA序列和形状信息进行空间对齐混合，作为所述神经网络模型的输入；S2、对所述深度嵌入卷积神经网络模型进行训练，得到模体绑定强度预测值；S3、基于预测值与实际绑定强度之间的回归系数R²对所述构建的深度嵌入卷积神经网络模型性能进行评估。本发明方法利用了卷积神经网络在特征提取方面的优势，实现了序列和形状特征的深度融合。

技术领域

本发明涉及计算机识别与深度学习技术领域，特别是涉及一种基 于序列和形状信息深度融合的模体挖掘方法。

背景技术

转录因子绑定行为对于调控基因表达有着重要作用，识别转录因 子绑定位点对于理解绑定机制和相关的细胞活动有着重要意义。然而 ，转录因子绑定是个精密的生物物理过程，影响因素多，建模难度大 。为此，科研人员开发了多种类的绑定位点预测模型。位置权重矩阵 通过概率统计模型对转录因子绑定的序列特异性偏好进行建模，矩阵 中的每列元素值代表对应位置的四种核苷酸{A，C，G和T}的概率分布 ，是对绑定位点建模的一种简单有效的方式。然而，位置权重矩阵假 设绑定位点的核苷酸各自独立地对绑定预测的发生影响，忽略了邻近 核苷酸之间的关联。进一步的研究工作通过对核苷酸序列进行K-mer编码，整体考虑邻近的k个核苷酸，弥补核苷酸之间关联关系的缺失 ，在构造序列特征后送入机器学习模型进行分类。然而，这类传统方 法往往忽略了K-mer之间的序列关系，同时机器学习模型受到计算性 能和优化方法的限制，无法充分利用海量测序数据。

随着研究的深入，科研人员开始重视DNA序列之外其他生物物 理特性对转录因子绑定的影响，因此提出了一种基于序列和形状信息 深度融合的模体挖掘方法。

发明内容

本发明提出一种基于序列和形状信息深度融合的模体挖掘方法， 使用两个独立卷积层提取DNA序列和形状的局部模式特征，其中一 个卷积层处理DNA序列输入，另一个处理形状输入，在对序列和形状 特征数组进行对齐后设计一定的混合策略，实现DNA序列和形状信息 的空间对齐混合。

为实现上述目的，本发明提供了如下方案：

一种基于序列和形状信息深度融合的模体挖掘方法，包括以下步 骤：

S1、构建深度嵌入卷积神经网络模型，并对DNA序列和形状信息 进行空间对齐混合，作为所述神经网络模型的输入；

S2、对所述深度嵌入卷积神经网络模型进行训练，得到模体绑定 强度预测值；

S3、基于所述预测值与实际绑定强度之间的回归系数R²对所述 构建的深度嵌入卷积神经网络模型性能进行评估。

优选地，所述深度嵌入卷积神经网络模型中，包括两个独立的卷 积层，分别为第一卷积层和第二卷积层，所述第一卷积层用于处理DNA 序列的输入，所述第二卷积层用于处理形状信息的输入。

优选地，所述S1中，通过拼接模式和加和模式，对所述DNA序 列和形状信息进行空间对齐混合。

优选地，在所述拼接模式下，若输入的DNA序列形式不同，则命 名不同；在所述加和模式下，输入编码的形式不同，则命名也不同。

优选地，所述S2中，在训练过程中，通过Glorot均匀初始化策 略对所述深度嵌入卷积神经网络模型进行初始化，并使用Adam学习 器优化模型参数，基于网格搜索策略寻找最优值。

优选地，在所述深度嵌入卷积神经网络中增加丢失层，用于对抗 模型训练过程中的过拟合问题。

优选地，所述S3中，基于预测值与实际绑定强度之间的回归系 数R²对所述构建的深度嵌入卷积神经网络模型性能进行评估，并采 用五折交叉验证策略进行验证。