基于神经网络的LncRNA与蛋白质互作关系预测算法

摘要：

论文提出一种基于注意力机制(Attention)的融合神经网络预测方法预测LncRNA与蛋白质的相互作用,命名为PIPAFNN.通过栈式自编码器和融合神经网络(CNN)-长短期记忆网络(LSTM)分别对LncRNA和蛋白质的序列进行特征提取,在模型学习过程中使用注意向量,使得训练出的模型能够关注不同样本中对预测方法具有更大影响的特征属性,从而有效地预测LncRNA和蛋白质的互作关系.同时,利用五折交叉验证,模型在拟南芥和玉米数据集上的AUC值分别是0.9582和0.9251,与其他机器学习方法进行比对提升7％和2％,模型的分类效果更为显著.

关键词：CNN、LSTM、LncRNA与蛋白质、预测、注意力机制

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;河南省科技攻关项目;河南省科技攻关项目;河南省高等职业学校青年骨干教师培养计划

在线出版日期：2022-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：569-573,624