计算机科学与探索

作者：杨海涛，邓赵红，王士同

单位：江南大学 人工智能与计算机学院，江苏 无锡 214122

关键词：多视角深度特征学习,多标签特征学习,最优多标签链式学习,RNA结合蛋白识别

RNA结合蛋白（RBP）是一类伴随RNA调控代谢过程与RNA结合的蛋白质的总称。一种RBP可能存在多种靶标RNA，其表达缺陷会造成多种疾病。现有的方法大都是针对某种特定的RBP设计二分类模型，预测一条RNA是否可以与之结合。但这些方法没有考虑到不同RBP之间的结合相似性和关联性。对此，iDeepM利用多标签深度学习法进行了改进。此方法使用多标签技术和长短时记忆网络（LSTM），学习到不同RBP之间的结合相似性，预测一条给定的RNA与多种RBP的结合情况，但是该方法未能对RNA序列进行充分的特征学习和多标签学习，预测精度较低。延续iDeepM多标签的研究方法，提出新方法RRMVL，首次使用RNA序列视角、氨基酸序列视角、RNA序列语义视角和多间隙二肽成分视角组成多视角数据来处理多标签RBP识别问题。为了利用多视角数据的不同学习优势，融合四种视角提取到的深度特征，使用逻辑回归原理对它们进行多标签特征学习，将学习后的加权特征向量输入至链式多标签分类器中训练，使之达到最优多标签链式学习的效果。实验研究表明，融合多视角和多标签学习的RNA结合蛋白识别模型预测精度较之前使用单视角方法有了明显的提升。

来源：2021年第11期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2021年第11期