[发明专利]一种基于attention的双向表示模型的RNA修饰位点预测方法

权利要求书

1.一种基于attention的双向表示模型的RNA修饰位点预测方法，其特征在于，包括：

将包含N¹-甲基腺苷修饰位点的人类物种RNA碱基序列为正样本和不包含N¹-甲基腺苷修饰位点的人类物种RNA碱基序列为负样本，进行word2vec词嵌入编码；

将经过word2vec词嵌入编码后的序列分为两路词嵌入编码序列；其中，在一个词嵌入编码序列首段添加分类符号并进行位置编码形成正向序列，对另一个词嵌入编码序列位置反转后并在其首段添加分类符号和进行位置编码形成反向序列；

将正向序列和反向序列均输入编码模块中进行训练，获得正向特征序列和反向特征序列；其中，所述编码模块包括多个依次串接的编码块；所述编码块包括：一个多头自注意力层和一个前向反馈全连接层，且每层之间通过残差连接和标准化层连接；

将正向特征序列的分类符号的值和反向特征序列的分类符号的值相加，后经过全连接神经网络层和二分类器，预测人类物种RNA碱基序列中是否包含N¹-甲基腺苷修饰位点。

2.如权利要求1所述的基于attention的双向表示模型的RNA修饰位点预测方法，其特征在于，所述对RNA碱基序列进行word2vec词嵌入编码，具体包括：

利用大小为3个碱基的窗口，每次滑动1个碱基的形式，在每条样本序列上滑动，直到窗口碰到序列最末端时滑动结束，由此获得105种不同的子序列和唯一的整数序列组成的字典；

每条样本101个碱基，利用大小为3个碱基的窗口，每次滑动1个碱基的形式，在每条样本序列上滑动，直到窗口碰到序列最末端时滑动结束，由此得到99个由3个碱基组成的子序列，使用word2vec的CBOW模型编码RNA序列，因此，每个子序列被转换成表征语义的词向量，再利用得到的词向量将RNA碱基序列中长度为101bp转换成99*100的矩阵，其中，99为预处理时词的个数，100为词向量维度。

3.如权利要求1所述的基于attention的双向表示模型的RNA修饰位点预测方法，其特征在于，所述编码模块包括：3个依次串联的编码块。