一种基于ProtBERT的甲基化DNA偏好结合转录因子识别方法

本发明公开了一种基于ProtBERT的甲基化DNA偏好结合转录因子识别方法，涉及生物技术数据研究领域。该方法先获取转录因子序列数据集，并分为训练集和测试集；再通过AutoTokenizer将所有序列填充或裁剪处理到相同长度和标记化；最后使用BertForSequenceClassification加载预训练的ProtBERT模型进行序列分类。该方法能够捕捉序列中的深层次特征和复杂的依赖关系，Dropout层的应用增强了模型在新数据上的泛化能力，线性分类层将模型的输出转换为类别概率，在进行偏好结合甲基化DNA的转录因子分类中具有较高的准确度和可靠性；与传统的基于序列的预测技术相比，通过结合大模型技术，提升了处理效率，且自适应地学习序列的内在特征，提高了预测准确度、敏感性、特异性、Matthews相关系数和ROC曲线下面积等指标。