一种基于深度学习算法预测pre-mRNA剪切的方法及系统

本申请涉及RNA剪切与深度学习技术领域，具体而言，涉及一种基于深度学习算法预测pre‑mRNA剪切的方法及系统，一定程度上可以解决现有方法，对于隐性的非经典的剪切位点预测能力较弱，在真实数据集上的准确率并不理想，预测速度较慢的问题。方法包括：基于公共数据库及RNA‑seq测序数据集，获取pre‑mRNA序列数据，同时标定pre‑mRNA序列数据中的剪切位点及非剪切位点；对pre‑mRNA序列数据进行预处理，得到生成模型所需的数据集，数据集包括训练集、验证集及测试集；搭建卷积神经网络与自注意力机制结合的神经网络模型，并使用训练集及验证集训练神经网络模型，得到最优神经网络模型；采用最优神经网络模型对测试集进行三分类预测，得到供/受体剪切位点及非剪切位点的概率。