一种基于集成学习和深度学习的增强子预测方法

本发明公开了一种基于集成学习和深度学习的增强子预测方法，首先，利用Blending‑KAN模型在多维表观遗传信号数据上进行增强子预测，从而识别出增强子区域，在此基础上，针对预测为增强子的区域，通过滑动窗口，分割成子序列，并进一步通过Stacking‑Auto模型预测每个子序列为增强子的概率，最终，基于这些概率值，采用动态阈值算法精确定位完整的增强子区域；本发明提出的多模型组合方法有效提升了增强子识别的准确性与精细化定位能力，该方法可望应用于更多复杂的基因调控网络研究中。