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：常州大学

摘要：本发明公开了非编码RNA中小开放阅读窗编码多肽能力预测方法及系统，涉及非编码RNA中sORF编码多肽能力预测技术领域，包括采集非编码RNA中小开放阅读窗sORF编码多肽和不编码多肽序列数据，进行数据预处理；构建sORF序列和sORF序列对应的多肽序列特征空间；通过多肽序列特征空间构建融合多空间视图的深度学习模型DeepNCsORF模型；验证和评估DeepNCsORF模型。本发明通过多种特征表征来描述序列，填补了单一数据来源的不足，实现多路径信息融合，提出三路交互式注意力机制来更好地合成三个子网络的输出，充分挖掘不同网络之间的关联性，提取重要信息，预测效果优于仅考虑单一特征的方法。

主权项：1.非编码RNA中小开放阅读窗编码多肽能力预测方法，其特征在于：包括，采集非编码RNA中小开放阅读窗sORF编码多肽和不编码多肽序列数据，进行数据预处理；构建sORF序列和sORF序列对应的多肽序列特征空间；通过多肽序列特征空间构建融合多空间视图的深度学习模型DeepNCsORF模型；验证和评估DeepNCsORF模型；所述多肽序列数据包括，获取TransLnc中的所有核苷酸和氨基酸序列，选择有1到4种实验证据支撑的序列数据作为正样本，将没有实验证据支撑的序列数据作为负样本，运用CD-HIT按80％的阈值将多肽序列数据集中的冗余数据去除，按1:1比例随机抽取数据正负样本，构建数据集；所述sORF序列对应的多肽序列特征空间包括基于图的核苷酸序列表征、基于进化信息的多肽序列表征、基于比对信息的多肽序列表征、基于生化特征的多肽序列表征和基于大模型预训练多肽序列表征；所述基于图的核苷酸序列表征包括，将核苷酸序列划分为3mer片段，将给定的核苷酸序列按照连续的三个核苷酸为一组进行划分，得到一系列的3mer片段，对于长度为N的核苷酸序列，得到N-2个3mer片段，然后构建3mer图的节点，将每个3mer片段作为3mer图的节点，每个节点代表一个唯一的3mer片段，构建3mer图的边，对于相邻的3mer片段，添加一条边表示相邻的3mer片段之间的连接，如果两个3mer片段在原始核苷酸序列中是连续的，则两个3mer片段之间存在一条边，将核苷酸序列转换为3mer图后，得到一个图结构，其中节点表示3mer片段，边表示3mer片段之间的连接，将图结构联合图卷积网络；所述基于进化信息的多肽序列表征包括，多肽序列的进化信息使用位置特异性评分矩阵表示，收集已有物种的蛋白质序列，使用多序列比对算法ClustalW，将多肽序列比对到收集到的蛋白质序列，根据比对结果，统计每个位置上氨基酸残基的频率和出现概率，得到初始的频率矩阵，频率矩阵的大小为m×n，其中，m为氨基酸的种类数目，n为比对序列的长度，对初始频率矩阵进行修正，修正方法为加权，得到修正后的矩阵，即为PSSM，PSSM矩阵的每一列代表一个氨基酸残基，每一行代表比对序列中的一个位置，矩阵中的每个元素表示位置上某个氨基酸残基的评分，若评分值高，则表示残基在位置上的保守性高，若评分值低，则表示残基在位置上的变异性高，对给定的长度为L的多肽序列，PSSM矩阵的大小为L*20，L为多肽序列的长度，20种氨基酸在每个位置出现的评分；所述基于比对信息的多肽序列表征包括，多肽序列的比对信息用多肽的接触图表示，使用AlphaFold2获取多肽的三维结构，从多肽的结构数据中提取出每个氨基酸残基的原子坐标，选择在蛋白质结构中稳定的Cα原子的坐标，对于每个氨基酸残基，使用欧氏距离计算氨基酸残基与其他残基之间的距离，并根据设定的阈值，判断是否存在接触，若两个氨基酸残基的距离小于阈值，则认为两个氨基酸残基之间存在接触，将对应的接触图元素设置为1，若两个氨基酸残基的距离大于阈值，则将对应的接触图元素设置为0，将所有氨基酸残基之间的接触情况记录在接触图中，形成一个对称的二维矩阵，矩阵的行和列对应于氨基酸的索引，得到的多肽序列的接触图；所述基于生化特征的多肽序列表征包括，多肽的序列的生化特征使用AAindex表示，其中AAindex1是AAindex数据库中的一个子集，通过AAindex1将序列中每个氨基酸转化为544维度的向量，对给定长度为L的多肽序列，得到L*544的矩阵；所述基于大模型预训练多肽序列表征包括，预训练模型通过大规模蛋白质数据学习多肽序列的高级表示，捕获语义和上下文信息，ProtT5通过自注意力机制捕获序列的全局依赖，将长度为L的序列编码为L*1024维矩阵，ESM-2采用自回归方式预测氨基酸，建模局部依赖关系，学习序列中的语义信息和上下文关联，通过编码器将序列编码为L*1280维矩阵。

全文数据：

权利要求：

百度查询： 常州大学 非编码RNA中小开放阅读窗编码多肽能力预测方法及系统