一种轻量化卷积与双注意力机制的启动子DNA表达预测方法

本发明公开了一种基于轻量化卷积与双注意力机制的启动子DNA序列表达水平预测方法，属于人工智能结合生物信息领域。首先对启动子DNA序列进行统一长度处理和四通道One‑hot编码，得到特征矩阵。接着利用KMeans聚类算法和斯皮尔曼相关系数分析，确定碱基含量及2‑mer、3‑mer序列与基因表达水平的相关性。基于此构建轻量化卷积神经网络模型，该模型采用双链分离处理模块和阶梯递减卷积核架构，融合通道注意力机制与局部窗口注意力机制，以增强关键特征响应和捕捉局部序列特征权重。通过大量样本数据训练模型，优化参数并评估泛化能力，最终得到可用于预测启动子DNA序列表达水平的模型，该模型在保持高预测精度的同时降低了参数量，提高了训练效率，可应用预测蛋白质表达。