一种sgRNA的靶标活性预测方法

本发明公开了一种sgRNA的靶标活性预测方法，包括如下步骤：步骤1：数据集准备，获取sgRNA活性序列数据集；步骤2：对sgRNA活性序列数据集进行序列特征提取，得到多个特征信息；步骤3：将多个特征信息进行融合，得到特征集；步骤4：构建基于图加权对抗网络的不平衡数据集处理算法；步骤5：引入集成学习，构建基于投票算法的深度学习预测模型；步骤6：对sgRNA高活性序列的保守基序分析。本发明的方法可以保证模型的预测效果及鲁棒性，通过多样化的基学习器可以捕捉数据的不同特性，降低过拟合风险，能够高效地提取序列特征，显著提高了预测精度和效率；且对模型的生物学意义进行探索，对模型进行了可解释分析的尝试。