一种基于二次微调和集成算法的DNA甲基化位点预测方法

本发明公开了一种基于二次微调和集成算法的DNA甲基化位点预测方法，属于生物信息学技术领域。本发明将UCSC数据库中获得的人类DNA启动子序列经过1‑mer、3‑mer和5‑mer分词后作为语料库对BERT模型进行预训练，形成Promoter‑BERT模型，实现了对DNA启动子序列中深层特征的捕获和抽象，为后续的微调提供了高效且稳健的初始状态；利用3种甲基化的最大的三个数据集对Promoter‑BERT模型进行第一次微调，并利用数据量较小的14个数据集进行了模型的第二次微调，可以使模型更加专注于学习该数据集特有的特征，从而更好地适应特定任务，这有助于模型在目标任务上获得更高的准确性和性能，减少过拟合的风险。