[发明专利]鉴别mRNA和lncRNA的有监督学习方法

摘要

本发明公开了一种鉴别mRNA和lncRNA的有监督学习方法，包括步骤：以Genecode数据库中人的mRNA和lncRNA数据为训练集和测试集，将转录本序列转化成k‑mer序列；统计每条序列中各种k‑mer在序列中的频数，然后进行归一化处理；将k‑mer频数构造成矩阵形式，作为卷积神经网络模型卷积层的输入；利用搭建的卷积神经网络训练Genecode数据库中人的mRNA和lncRNA，训练和测试mRNA和lncRNA，确定模型参数，用于准确预测人的lncRNA或mRNA。本发明根据mRNA和lncRNA的kmer特征区别，提出了一种基于卷积神经网络有监督学习kmer特征的区分lncRNA和mRNA方法，有效的整合了卷积神经网络的优势，采用序列的k‑mer作为模型输入，训练后的鉴别模型精确度达98％以上，为进一步分析lncRNA序列的生物学功能奠定了良好基础。

主权项

1.一种鉴别mRNA和lncRNA的有监督学习方法，其特征在于：包括如下步骤：1)从Genecode数据库中下载人的mRNA转录本数据和lncRNA转录本数据，选取符合长度要求的mRNA序列和lncRNA作为实验数据；2)将实验数据中每一条转录本序列样本转化为k‑mer序列，其中k为大于0的自然数；3)统计每条序列中每种k‑mer序列片段类型在该序列中的频数，然后进行归一化处理，求出每条序列中每种k‑mer序列在该k‑mers序列中所出现的频率，每条序列中k‑mers的频率之和为1；4)将k‑mers频率构造成矩阵形式，作为卷积神经网络模型卷积层的输入，然后分别通过卷积计算层、池化计算层和采用softmax函数作为激活函数的全连接层，搭建卷积神经网络模型框架；5)将实验数据分为模型训练样本数据集和模型测试样本数据集，利用模型训练样本数据集对卷积神经网络模型进行训练，得到分类模型；6)通过调整卷积神经网络模型的参数和k值，优化卷积神经网络模型，并利用模型测试样本数据集验证分类准确率，从而准确预测mRNA和lncRNA序列。