[发明专利]基于深度学习的关键miRNA识别方法及系统

说明书

本发明公开了基于深度学习的关键miRNA识别方法及系统，通过获取多个miRNA对应的pre‑miRNA剪切形成的核苷酸序列统计特征、结构特征以及深度学习特征，并计算每个深度学习特征对其对应的统计特征、结构特征的注意力分配特征，将计算得到的注意力分配特征及其对应的统计特征、结构特征进行拼接，得到综合特征，再基于所述综合特征构建训练集，并使用所述训练集训练构建好的分类预测模型，相比现有技术，本发明中的分类预测模型考虑了每个深度学习特征对其对应的统计特征、结构特征的注意力分配特征，能大大提高预测的准确性。

技术领域

本发明涉及系统生物学领域，尤其涉及基于深度学习的关键miRNA识别方法及系统。

背景技术

近来的研究表明，非编码RNA在细胞生长、繁殖等许多重要的生命进程中起着非常重要的作用。而miRNA作为一类长度约等于22nt的非编码RNA，与许多人类复杂疾病有着密不可分的关联关系。因此，为了更深的理解miRNA对人类疾病的影响，需要对与生命进程相关的关键miRNA进行识别。由于生物医学实验在人力、财力和物力上的固有缺陷，这就为通过计算的方法来预测关键miRNA提供了用武之地。故在当前随着关键miRNA基础数据和计算技术的发展，目前也出现了对关键miRNA进行识别的计算方法。

目前，用于关键miRNA识别的方法主要有2大类：

（1）生物实验测定方法

这类方法是传统的生物、医学实验方法，其优点是准确率高。然而，其缺点也非常明显，在候选的关键miRNA众多的情况下，需要耗费大量的时间和财力成本。而当前有工作人员以此类方式构建了关键miRNA的基础数据集，这个也为后续的计算方法发展提供了数据基础。

（2）基于机器学习的预测方法

这类方法从miRNA的产生过程出发，从其pre-miRNA到成熟的miRNA的序列和结构上构建miRNA的特征集，然后以此为基础，结合机器学习的方法和已知的关键miRNA样本数据集来构建分类模型。此类识别关键miRNA的模型将关键miRNA的识别问题转换为二分类问题，为后续加快miRNA相关的致病研究提供了重要的参考依据。

比如，在方法miES和PESM中，都集成了pre-miRNA和miRNA的序列以及结构特征，然后使用逻辑回归和基于梯度提升机（Gradient Boosting Machine，GBM，XGBoost）的模型来进行关键miRNA预测。其区别是，PESM集成了更多的pre-miRNA特征和核苷酸对的特征，取得了更好的预测性能。在模型上，XGBoost也取得了更好的预测效果。

然而，尽管上述这些方法在识别关键miRNA上取得了一些良好的效果，为节省生物医学的研究提供了重要的依据，但仍存在一些不足的地方。比如，目前这些方法都只用到了基于序列的结构特征和统计特征，而对序列本身存在的特性挖掘不够。导致构建出的预测模型的精确度有限，并不能准确识别关键miRNA。

发明内容

本发明提供了基于深度学习的关键miRNA识别方法及系统，用于解决现有的关键miRNA识别方法准确度低的技术问题。

为解决上述技术问题，本发明提出的技术方案为：

一种基于深度学习的关键miRNA识别方法，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：