一种基于深度学习的RBP结合位点预测算法

发明专利有效专利

申请号：
CN202110229810.4
IPC分类号：G16B40/00;G16B20/30;G16B5/00;G06N3/08;G06N3/04
申请日期：
2021-03-02
申请人：
四川大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于深度学习的RBP结合位点预测算法
申请号	CN202110229810.4	申请日期	2021-03-02
法律状态	实质审查	申报国家	中国
公开/公告日	2021-06-25	公开/公告号	CN113035280A
优先权	暂无	优先权号	暂无
主分类号	G16B40/00	IPC分类号	G;1;6;B;4;0;/;0;0;;;G;1;6;B;2;0;/;3;0;;;G;1;6;B;5;/;0;0;;;G;0;6;N;3;/;0;8;;;G;0;6;N;3;/;0;4查看分类表>
申请人	四川大学	申请人地址	四川省成都市武侯区一环路南一段24号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	四川大学	当前权利人	四川大学
发明人	朱敏;闫建荣;明章强;王心翌
代理机构	成都禾创知家知识产权代理有限公司	代理人	刘凯

摘要

本发明公开了一种基于深度学习的RBP结合位点预测算法，首先从RNA序列信息出发，增加二级结构特征作为输入；通过基于强化学习的生成对抗网络，对RBP进行数据增强，目的是通过增强训练集规模来提高预测模型的预测能力；提出卷积自编码器作为预测模型，预训练过程包括编码器和解码器的训练，提取已训练好的编码器微调；能够预测未知结合位点的RNA序列；通过卷积自编码器的卷积核，能够提取与RNA发生结合的序列motif与结构motif，探究不同RBP的序列和结构特异性；对于每种RBP数据都训练一个对应的预测模型；对于一个待预测的RNA序列，首先编码序列，然后将编码信息输入到已训练好的各个预测模型中，最终的结果即为特异RNA与各个RBP对应的结合概率。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供