一种识别DNA序列中超级增强子与典型增强子的预测方法

本发明公开了一种识别DNA序列中超级增强子与典型增强子的预测方法，采用整数编码和k‑mer编码方案进行编码，使用残差连接的卷积神经网络提取序列的局部特征，使用两个双向长短期记忆网络提取序列的多尺度全局特征。利用注意力机制将这些局部特征和全局特征进行特征融合，然后输入到全连接神经网络中得到预测概率。采用五折交叉验证的评估方式对模型性能进行评估，使用准确率（ACC）、召回率（REC）、精度（PRE）、F1分数（F1）、ROC曲线下面积（AUC）等五个评估指标衡量模型；独立测试集上的实验结果表明，相比于最先进的方法，我们的模型在识别超级增强子与典型增强子上有了显著的性能提升。