摘要
本发明涉及新一代信息技术领域,公开一种lncRNA‑蛋白质交互预测方法及系统,以提高预测的准确性。方法包括:获取融合了表面、结构和序列特征的初始蛋白质特征表示;获取融合了序列特征核、表达谱特征核、序列相似度核以及和蛋白质的高斯交互谱核的初始lncRNA特征图;将初始蛋白质特征表示和初始lncRNA特征图基于交叉注意力机制得到最终的lncRNA特征图和最终的蛋白质特征图;使用全局最大池操作对最终lncRNA特征图和最终蛋白质特征图进行降采样,生成由一维的lncRNA特征向量和一维的蛋白质特征向量组成的联合特征表示向量;将联合特征表示向量输入由全连接分类层组成的解码器中,得到LPI的预测分数。
技术关键词
序列特征
交叉注意力机制
Softmax函数
解码器
双向信息交互
新一代信息技术
对抗性
标量特征
矩阵
线性
预训练模型
节点
多层感知机
预测系统
数据分布
处理器
分类器
系统为您推荐了相关专利信息
图像特征匹配方法
单目深度估计
三维点云重建
三角剖分算法
光照鲁棒性
注意力机制
编码向量
信息推荐方法
编码器
解码器
交叉注意力机制
文本
高维特征向量
图像特征提取
图文