预测方法、装置、电子设备及计算机可读存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114121151A(43)申请公布日2022.03.01(21)申请号202111424256.1(22)申请日2021.11.26(71)申请人京东方科技集团股份有限公司地址100015北京市朝阳区酒仙桥路10号(72)发明人曹丕陈丹丹(74)专利代理机构北京市立方律师事务所11330代理人张筱宁(51)Int.Cl.G16B15/30(2019.01)G16B15/20(2019.01)G16B5/00(2019.01)G16B30/00(2019.01)权利要求书2页说明书15页附图5页(54)发明名称预测方法、装置、电子设备及计算机可读存储介质(57)摘要本申请实施例提供了一种预测方法、装置、电子设备及计算机可读存储介质，涉及计算机领域。本申请实施例通过第一预测模型，对核酸序列信息、第一结构信息、蛋白序列信息及第二结构信息进行预测处理，以得指示目标核糖核酸序列与目标蛋白质是否发生相互结合作用的预测结果，由于第一结构信息可以包括二级结构的碱基游离配对信息，二级结构中碱基游离配对情况对RNA与蛋白质间的作用力有影响，进而影响RNA与蛋白质是否发生相互结合；第二结构信息包括蛋白质侧链扭转角信息和/或蛋白质侧链能量分数信息，蛋白质侧链扭转角信息以及蛋白质侧链能量分数信息影响蛋白质与RNA相互结合作用的趋向和相互结合作用时的构象，因此，可以得到更为准确的预测结果。CN114121151ACN114121151A权利要求书1/2页1.一种预测方法，其特征在于，包括：获取目标核糖核酸序列的核酸序列信息、第一结构信息，以及获取目标蛋白质的蛋白序列信息、第二结构信息；通过第一预测模型，对所述核酸序列信息、所述第一结构信息、所述蛋白序列信息及所述第二结构信息进行预测处理，得到预测结果；其中，所述预测结果指示所述目标核糖核酸序列与所述目标蛋白质是否发生相互结合作用。2.根据权利要求1所述的预测方法，其特征在于，所述通过第一预测模型，对所述核酸序列信息、所述第一结构信息、所述蛋白序列信息及所述第二结构信息进行预测处理，得到预测结果，包括：获取目标核糖核酸序列的核酸序列特征、第一结构特征；以及获取目标蛋白质的蛋白序列特征、第二结构特征；对所述核酸序列特征、所述第一结构特征、所述蛋白序列特征及所述第二结构特征进行拼接处理，得到拼接特征；将所述拼接特征输入所述第一预测模型，得到所述预测结果。3.根据权利要求1所述的预测方法，其特征在于，所述通过第一预测模型，对所述核酸序列信息、所述第一结构信息、所述蛋白序列信息及所述第二结构信息进行预测处理之前，所述方法还包括：获取第一训练样本集；其中，所述第一训练样本集中包括样本对，所述样本对包括样本核糖核酸序列及样本蛋白质；针对每个所述样本对，获取所述样本对的样本拼接特征；将所述样本拼接特征输入第一初始模型中，得到所述样本对对应的样本预测结果，所述样本预测结果指示所述样本核糖核酸序列与样本目标蛋白质是否发生相互结合作用；根据所述样本对对应的输入相互作用结果和所述样本预测结果，确定训练损失值；若满足预设的训练结束条件，则结束训练，并将训练结束时的第一初始模型作为所述第一预测模型，若不满足训练结束条件，则调整所述第一初始模型的模型参数继续进行训练。4.根据权利要求2所述的预测方法，其特征在于，所述获取目标核糖核酸序列的核酸序列特征、第一结构特征，以及获取目标蛋白质的蛋白序列特征、第二结构特征，包括：将所述核酸序列信息、所述第一结构信息、所述蛋白序列信息及所述第二结构信息分别输入第一子模型，得到所述核酸序列特征、所述第一结构特征、所述蛋白序列特征及第二结构特征；其中，所述第一子模型包括单层的预设类型网络模型。5.根据权利要求4所述的预测方法，其特征在于，所述第一子模型是通过以下方式训练得到的：获取第二训练样本集；其中，所述第二训练样本集中包括第一样本向量，所述第一样本向量包括样本核糖核酸信息对应的向量和/或样本蛋白质信息对应的向量；所述样本核糖核酸信息包括核酸序列信息和/或第一结构信息；所述样本蛋白质信息包括蛋白序列信息和/或第二结构信息；在预设训练周期内，重复执行以下步骤：2CN114121151A权利要求书2/2页针对每个所述第一样本向量，将所述第一样本向量输入第二初始模型的可视层，根据所述第一样本向量及第一数据关系得到第一输出向量，所述第一输出向量包括所述第二初始模型的隐藏层的输出向量；根据所述第一输出向量及第二数据关系，确定所述第一样本向量对应的第一反向向量；根据所述第一反向向量及所述第一数据关系确定所述第一输出向量对应的第二反向向量；根据正向梯度、反向梯度、所述第一反向向量及所述第二反向向量对所述第二初始模型的模型参数进行调整；