一种基于深度学习的ncRNA与蛋白质相互作用的预测方法

本发明公开了一种基于深度学习模型对于ncRNA与蛋白质相互作用的预测方法，使用的是公共数据库四个数据集（RPI488，NPInter2.0，RPI1807，RPI7317），kmer编码策略对ncRNA和蛋白质的序列进行提取高维稀疏特征后，通过Embedding层将稀疏特征映射为低维稠密向量；使用ResNet结合SE注意力机制提取关键的局部特征；随后通过Transformer利用位置编码和多头注意力捕捉长程依赖并提取全局特征；最终，将ResNet和Transformer的特征与线性变换后的蛋白质特征拼接，并通过DNN层进一步提炼特征后使用Sigmoid激活函数输出分类概率。通过正则化等技术来防止模型过拟合，使用十折交叉验证以及独立测试集来对模型进行性能测试。该方法使用k‑mer进行特征编码，不需要生物学的先验知识，并且通过局部特征提取与全局特征建模相结合的方式，充分捕获序列中的关键信息，利用深度学习的计算方法提高了预测ncRNA与蛋白质相互作用的准确率。