[发明专利]一种基于上下文感知计算的RNA溶剂可及性预测方法

说明书

本发明公开了一种基于上下文感知计算的RNA溶剂可及性预测方法，包括：S1.收集PDB数据库中所有已注释三级结构信息的RNA序列组成训练集合S；S2.获取训练集合S中碱基个数为L^X的RNA序列信息，并将获取的RNA序列信息记作S^X；S3.搜索S^X的核苷酸数据库并生成对应的MSA；S4.对MSA进行处理，生成MSA对应的FMSA；S5.根据独热编码原理将碱基编码生成S^X对应的OHE；S6.生成S^X对应的RSS；S7.构建上下文感知计算神经网络框架MVCADNN，并使用MVCADNN训练RNA溶剂可及性预测模型，得到训练后的RNA溶剂可及性预测模型；S8.将待预测RNA序列通过步骤S3‑步骤S6处理后，生成RNA序列对应的特征信息，并生成的特征信息输入到训练后的RNA溶剂可及性预测模型中，得到RNA溶剂可及性的预测信息。

技术领域

本发明涉及生物信息预测技术领域，尤其涉及一种基于上下文感知计算的RNA溶剂可及性预测方法。

背景技术

在各项生命活动中，RNA的生物功能都起着至关重要的作用，而RNA的生物功能主要由其结构决定。预测RNA的溶剂可及性是RNA结构预测的关键步骤。因此，精确预测RNA的溶剂可及性，对于理解RNA功能、分析生物分子之间的相互关系和设计新药物等方面具有重要的指导意义。

调研文献发现，已有一些用于预测RNA溶剂可及性方法被提出，如：RNAsnap(Yang,Y.,et al.(2017)Genome-scale characterization of RNA tertiary structures andtheir functional impact by RNA solvent accessibility prediction,RNA,23,14-22.即：Yang，等提出的RNAsnap:一种基于SVM算法的预测RNA溶剂可及性的方法。RNA,2017,23,14-22)和RNAsol(Sun,S.,et al.(2019)Enhanced prediction of RNA solventaccessibility with long short-term memory neural networks and improvedsequence profiles,Bioinformatics,35,1686-1691.即：Sun等.利用单向长短时记忆双向递归神经网络捕获非局部相互作用，进而改善RNA溶剂可及性的预测.生物信息学，35,1686-1691)等。尽管已有的方法可以用于预测RNA的溶剂可及性，但是这些方法普遍简单地从一个单视图特征中提取信息，或从多个单视图特征串联生成的超特征中提取信息，计算代价较高，同时由于训练集中的噪音信息和特征的上下文联系信息没有得到足够的关注，所以预测精度并不能保证是最优的且预测效率有待进一步提升。

综上所述，现存的RNA溶剂可及性的预测方法在计算代价、预测精确性方面，距离实际应用的要求还有很大差距，迫切地需要改进。

发明内容

本发明的目的是针对现有技术的缺陷，提供一种基于上下文感知计算的RNA溶剂可及性预测方法。

为了实现以上目的，本发明采用以下技术方案：

一种基于上下文感知计算的RNA溶剂可及性预测方法，包括：

S1.收集PDB数据库中所有已注释三级结构信息的RNA序列组成训练集合S，并使用POPS工具生成RNA序列对应的溶剂可及性标签Y；

S2.获取训练集合S中碱基个数为L^X的RNA序列信息，并将获取的RNA序列信息记作S^X；

S3.使用Infernal工具搜索S^X的核苷酸数据库并生成对应的多序列联配信息MSA；

S4.对多序列联配信息MSA进行处理，生成MSA对应的特征矩阵FMSA；