融合迁移学习与可解释机制的性状遗传变异位点预测方法

本申请提供了融合迁移学习与可解释机制的性状遗传变异位点预测方法，包括：基于双通道特征编码策略从DNA序列中提取多维特征，构建序列特征的张量结构；构建用于建模SNP与性状间复杂关系的深度学习网络模型，在深度学习网络模型中，采用多层卷积、三域分段式位置感知注意力机制提取张量结构的多尺度特征，对多尺度特征进行特征整合和表型预测；利用多物种多性状信息对深度学习网络模型进行预训练、微调和融合，得到最终模型；在最终模型的基础上引入解释性机制，对SNP突变的个体样本分别进行突变型构建，将样本组输入自有微调后模型，构建四维评价体系评估碱基对预测结果的影响。本申请能够捕获全局的基因组信息，预测准确率高。