[发明专利]基于深度学习的关键miRNA识别方法及系统

权利要求书

1.一种基于深度学习的关键miRNA识别方法，其特征在于，包括以下步骤：

从历史数据中获取多个pre-miRNA及其已知类别的miRNA；所述类别分为关键性miRNA和非关键性miRNA；

对于每个miRNA均执行以下步骤：

从所述miRNA及其对应的pre-miRNA核苷酸序列信息中提取所述pre-miRNA剪切形成的核苷酸序列统计特征F_n，并提取所述pre-miRNA的结构特征F_s；将所述pre-miRNA的所统计特征F_n与所述结构特征F_s进行拼接，得到所述pre-miRNA的静态特征表示向量F_sn；对所述pre-miRNA的核苷酸序列进行编码，将编码后的核苷酸序列输入到深度神经网络中，提取所述pre-miRNA的深度学习特征C；利用注意力机制算法提取所述pre-miRNA的深度学习特征对pre-miRNA的静态特征表示向量的注意力分配特征F_d；将所述注意力分配特征与所述静态特征表示向量拼接，得到所述miRNA的综合特征F_f；

将所述多个已知类别的miRNA的综合特征F_f打上分类标签构建正负训练样本，并用所述正负训练样本训练预先构建的分类预测模型，并使用训练好的所述分类预测模型识别目标miRNA的类别。

2.根据权利要求1所述的基于深度学习的关键miRNA识别方法，其特征在于，所述统计特征包括F_n：miRNA核苷酸序列的长度、pre-miRNA核苷酸序列中去掉miRNA序列后剩下的部分的长度、每种基本核苷酸在pre-miRNA核苷酸序列中的统计量、每种基本核苷酸在miRNA中的统计量、每种基本核苷酸在pre-miRNA核苷酸序列中去掉miRNA核苷酸序列后剩下部分的统计量、每种二核苷酸对在pre-miRNA核苷酸序列中的频率、每种二核苷酸对在miRNA中的频率以及miRNA核苷酸序列在pre-miRNA核苷酸序列中的剪接位点类型。

3.根据权利要求1或2所述的基于深度学习的关键miRNA识别方法，其特征在于，所述结构特征F_s包括：pre-miRNA中二级结构的最小自由能；pre-miRNA中二级结构的最小自由能除以序列长度得到的核苷酸平均最小自由能；pre-miRNA中标准化的碱基配对属性、基于核苷酸长度的标准化的碱基配对属性、标准化的碱基对香农熵属性；基于核苷酸长度的香农熵属性；标准化的碱基对距离属性；基于核苷酸长度的碱基对距离属性。

4.根据权利要求3所述的基于深度学习的关键miRNA识别方法，其特征在于，对所述pre-miRNA的核苷酸序列进行编码，将编码后的核苷酸序列输入到深度神经网络中，提取所述pre-miRNA的深度学习特征C，包括以下步骤：

采用3-gram编码方式对所述pre-miRNA的核苷酸序列进行初始编码，得到所述pre-miRNA的初始编码向量：

[X₁；X₂；X₃],[X₂；X₃；X₄],...,[X_|S|-2；X_|S|-1；X_|S|]，

其中，X_i为所述pre-miRNA中第i个碱基，i＝1,2,3,...,|S|，|S|为所述pre-miRNA核苷酸序列的长度；[X_i；X_i+1；X_i+2]∈R^d，是从第i个碱基开始按照3-gram编码方式得到的初始编码向量；

将所述pre-miRNA的初始编码向量输入深度神经网络中，所述深度神经网络对所述初始编码向量进行t轮卷积运算后，提取得到所述局部子向量的深度学习特征，得到所述初始编码向量的深度学习特征其中，t为CNN的层数，|L|＝|S|-2，|L|为长度为|S|的序列经过3-gram编码处理后的长度，为第i个碱基开始按照3-gram编码在t轮卷积后得到的特征向量表示。