一种基于改进Transformer和SE-TextCNN的RNA亚细胞定位预测方法

本发明提供了一种基于改进Transformer和SE‑TextCNN的RNA亚细胞定位预测方法，包括以下部分：建立LncRNA和mRNA数据集，对LncRNA和mRNA数据集进行预处理，筛选并清洗数据；进行特征提取，并分别输入到神经网络的各个位置；特征包括One‑hot编码、EIIP编码、NCP编码、位置编码及RNA‑FM编码，可综合序列物理化学属性和RNA‑FM模型通过自监督学习得到深层次特征；训练网络框架，采用二路并行策略分别对RNA‑FM输出的特征以及基础序列特征进行训练，依次经过Lightning Attention Transformer模块、TextCNN‑SEnet模块和MLP模块输出预测结果。本发明有效增强了对长序列的处理能力和对关键特征的识别，有效提高了RNA亚细胞定位的预测精度，且本发明的模型可应用于其他RNA类型的数据集，也展现了鲁棒的预测性能。