基于RNAErnie预训练模型的RNA N4-乙酰胞苷修饰位点预测方法及系统

AITNT
正文
推荐专利
基于RNAErnie预训练模型的RNA N4-乙酰胞苷修饰位点预测方法及系统
申请号:CN202411508778
申请日期:2024-10-28
公开号:CN119252330B
公开日期:2025-08-22
类型:发明专利
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
1
电解液的配方比例优化方法、系统、电子设备及存储介质
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
2
一种磁热-金属免疫栓塞微球及其制备方法和应用
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
3
联合历史轨迹并基于语义匹配的目标跟踪方法、装置、电子设备和计算机可读存储介质
语义特征 对象 多尺度 编码器 跟踪方法
4
一种基于数字图像相关法的减振器双波冲击响应测试的方法
减振器 高速摄像机 加速度 冲击试验台 双目视觉拍摄
5
基于深度神经网络的聚酰亚胺薄膜截止波长的预测方法
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
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号