买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：河南城建学院

摘要：本发明公开了一种具有编码蛋白潜力的ncRNA的识别方法，根据ncRNA的序列，首先通过对比学习框架获取ncNRA序列的低维向量表示，同时，也根据ncRNA序列计算其一些重要的统计特征，比如ORF覆盖率，Fickett等。然后，通过使用多模态特征融合方法进行特征融合，并把融合后的特征作为多层神经网络的输入，实现ncRNA编码潜能的预测。本发明与现有的技术相比，通过自监督的方式学习序列的低维向量表示很好地避开了绝大部分ncRNA数据未标注的问题，另外，提出使用注意力门控机制来学习特征之间非线性融合的普适性方法，以此来捕获特征之间的复杂关系。本发明可以比以前的技术更准确地识别出能够编码蛋白的ncRNA，在一定程度上，解决了生物实验方法的困难性大、盲目性、成本高的问题。

主权项：1.一种具有编码蛋白潜力的ncRNA的识别方法，其特征在于，包括如下步骤：步骤1，对ncRNA序列进行变换，即对每一个ncRNA序列S，产生两个变换序列S1＝AugS,seed1和S2＝AugS,seed2，其中，seed1和seed2是两个随机种子；步骤2，ncRNA经步骤1变换后得到序列假定为S1，通过滑动长度k的窗口来将序列S1转换为重叠的固定长度k-mer子序列；步骤3，构建基于Transformer的学习模型f˙，并把步骤2得到的k-mer子序列作为f˙的输入学习ncRNA的表示，即，H1＝fS1,H2＝fS2；步骤4，用含有一个隐藏层的多层神经网络作为非线性投影函数g˙将步骤3得到的向量表示投影到新空间，即zi＝ghi＝W2σW1hi；步骤5，定义对比损失函数，最大化同一个ncRNA序列不同变换序列之间的一致性，训练模型，模型训练结束后，encoder函数f˙的输出即为ncRNA的向量表示；步骤6，计算ncRNA的统计特征，包括ORF长度、ORF的覆盖率、Fickett分数、Hexamer分数、核苷酸偏倚、GC含量，AUG含量及等电点分数等；步骤7，把步骤6得到的统计特征通过非线性方式叠加到步骤5得到的序列的嵌入表示he上；步骤8，在步骤7获得融合向量hf后，再把此向量输入到全连接神经网络中即可实现对ncRNA编码蛋白潜能的预测。

全文数据：

权利要求：

百度查询： 河南城建学院 一种具有编码蛋白潜力的ncRNA的识别方法