摘要
本发明提供一种转录因子结合位点预测方法及系统,方法包括:在不同DNA序列上应用滑动窗口来生成丰富的序列特征,接着对这些特征进行综合处理和编码,以形成详细的特征表示。最后,通过运用多尺度卷积神经网络CNN和conformer网络自动学习融合特征中包含的丰富信息,实现TFBS的预测。本发明解决了现有的深度学习方法预测精度低、忽视不同类型DNA序列及其间潜在的相互作用、未充分考虑相邻核苷酸间的相互关系以及数据集的数据量存在差异,导致预测转录因子结合位点TFBS方面存在局限性的技术问题。
技术关键词
位点预测方法
转录因子
序列特征
DNA序列
融合特征
多尺度卷积神经网络
滑动窗口
核苷酸
独立特征
sigmoid函数
多尺度特征
卷积特征
编码
卷积模块
正则化技术
注意力
深度学习方法
滤波器
系统为您推荐了相关专利信息
沉降监测数据
全自动智能
生成结构化数据
频谱特征
多维监测
医学图像分割方法
医学图像分割网络
医学图像分割模型
文本
交叉注意力机制
胃肠间质瘤
融合特征
频域特征提取
频谱特征
深度卷积神经网络
医疗知识图谱
影像诊断报告
融合特征
样本
注意力机制