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：电子科技大学长三角研究院(衢州)

摘要：本发明属于于计算生物学技术领域，具体涉及一种结合神经网络模型的核酸修饰位点识别方法。该包括处理核酸序列数据和搭建神经网络模型，所述处理核酸序列数据包括数据收集和预处理，通过偏序比对获得支持序列，通过多序列比对生成路径矩阵，最终得到每个样本对应的路径矩阵；所述搭建神经网络模型包括神经网络模型设计，该神经网络模型架构包括编码器、卷积神经网络和展平向量，路径矩阵通过神经网络模型最终得到输出值，通过该输出值判断样本序列中是否存在核酸修饰位点。本发明的技术方案利用先进的比对技术和深度学习方法，提高了核酸修饰位点识别的准确性和效率。

主权项：1.一种结合神经网络模型的核酸修饰位点识别方法，其特征在于：包括处理核酸序列数据和搭建神经网络模型，所述处理核酸序列数据包括数据收集和预处理，通过偏序比对获得支持序列，通过多序列比对生成路径矩阵，最终得到每个样本对应的路径矩阵；所述搭建神经网络模型包括神经网络模型设计，该神经网络模型架构包括编码器、卷积神经网络和展平向量，路径矩阵通过神经网络模型最终得到输出值，通过该输出值判断样本序列中是否存在核酸修饰位点；所述数据收集和预处理中，对每条核酸序列设置对应的正负例标签，正例代表核酸序列中存在核酸修饰位点，负例代表核酸序列中不存在核酸修饰位点，1代表负例，0代表正例，所述神经网络模型的输出值是一个0到1的值，该输出值小于0.5时，判断样本序列中不存在核酸修饰位点；数据集中所有核酸序列都具有相同的长度L，对每条DNA或RNA序列设置对应的正负例标签，将数据集中的正例和负例分别进行随机抽取，得到训练集，其余作为测试集，其中，训练集包括正例训练子集和负例训练子集，测试集包括正例测试子集和负例测试子集；所述通过偏序比对获得支持序列，包括：在正例训练子集和负例训练子集分别进行偏序比对，获得相应的带权重的DAG，在最终生成的DAG上，在正例训练子集和负例训练子集上获得的带权重的DAG分别应用最重束算法，分别获得相应的正例支持序列和负例支持序列；所述通过多序列比对生成路径矩阵，包括：将某一特定样本分别与正例支持序列和负例支持序列进行双序列比对，训练集的某一特定样本与某条支持序列的双序列比对将得到一条路径向量，完成某一特定样本与所有支持序列的双序列比对，获得对应的多条路径向量，拼接路径向量成与训练集的某一特定样本相对应的路径矩阵，重复上述步骤，得到每个样本对应的路径矩阵。

全文数据：

权利要求：

百度查询： 电子科技大学长三角研究院(衢州) 一种结合神经网络模型的核酸修饰位点识别方法