摘要
本发明涉及一种基于RNAErnie预训练模型的RNAN4‑乙酰胞苷修饰位点预测方法及系统。所述方法包括:采集RNA序列数据集输入至RNAErnie预训练模型中捕捉上下文依赖关系并提取出全局特征;通过RNAErnie预训练模型结合六种传统特征编码方法进行特征编码;通过深度神经网络模型中进行特征降维后输入至软投票集成模型中集成不同分类器的预测结果,得到RNAN4‑乙酰胞苷修饰位点预测结果。通过RNAErnie预训练模型进行多级掩码,并结合六种传统特征编码方式可以捕捉到序列的细节和物理化学属性;利用深度神经网络自动进行特征降维,减少了计算复杂度并保留了关键信息;将降维后的特征输入软投票集成模型,通过集成多个分类器得到最终预测结果,显著提升了预测的准确性和鲁棒性。
技术关键词
位点预测方法
特征编码方法
深度神经网络模型
胞苷
乙酰
序列
分类器
数据
预测系统
线性变换矩阵
注意力
指标
编码模块
界面
关系
鲁棒性
系统为您推荐了相关专利信息
电解液配方
性能指标数据
遗传算法
梯度提升决策树
深度神经网络模型
乙酰丙酮盐
紫外光引发剂
甲基丙烯酰化明胶
栓塞微球
纳米晶体
减振器
高速摄像机
加速度
冲击试验台
双目视觉拍摄
描述符
深度神经网络学习
聚酰亚胺薄膜
深度神经网络模型
深度神经网络结构