基于知识图谱嵌入和特征融合的多任务基因调控网络模型的训练方法

本申请涉及生物信息技术领域，尤其涉及一种基于知识图谱嵌入和特征融合的多任务基因调控网络模型的训练方法。从序列的上下文感知表示、物理化学性质、伪二核苷酸组成三个角度捕捉基因序列中隐含的重要信息，提升了特征嵌入的丰富性；采用双向长短期记忆网络对提取的特征进行拼接学习来降低高通量基因序列的编码难度；设计了两个不同侧重的学习任务模块，分别专注于节点特征和边的特征，通过多任务学习的方式实现了更全面的特征利用；采用了梯度归一化算法对两个任务的损失进行了动态平衡，从而提升了模型的整体学习效率与稳定性。旨在解决如何提高基因调控网络的调控关系预测准确度的问题。