一种用于识别RNA甲基化位点的预测方法

本发明公开了一种用于RNA甲基化位点预测的方法，基于多模态特征融合与语义向量嵌入技术，显著提高m7G修饰位点的识别精度。首先，构建包含正负样本的RNA序列数据集，并按预定比例划分为训练集与独立测试集。然后，通过独热编码（One‑hot）、核苷酸化学性质编码（NCP）、电子‑离子相互作用电位编码（EIIP）以及局部核苷酸组成编码（ENAC）提取多模态特征，结合DNA2Vec模型获取核苷酸序列的上下文语义信息。模型采用多模态特征融合通路（MRF）与DNA2Vec嵌入通路，经过全连接层进行特征维度压缩后，利用Transformer编码器捕获长程依赖关系，并通过Sigmoid激活函数计算预测概率。在优化过程中，采用批量归一化、Dropout及Adam优化器，最小化二元交叉熵损失函数。最终，通过五折交叉验证评估模型性能，并在独立测试集上验证其泛化能力。该方法通过多源特征融合与层次化建模，显著提升了序列信息的解析能力，为RNA修饰预测提供了一个精确的计算工具。