计算机工程

作者：孙荣能, 刘琳, 亢元召

单位：1. 云南师范大学信息学院, 云南 昆明 6505042. 云南省教育厅计算机视觉与智能控制技术工程研究中心, 云南 昆明 650504

关键词：lncRNA亚细胞定位,不平衡学习,双向长短时记忆网络,原型网络,可解释

基金：云南省基础研究面上项目(202201AT070042); 国家自然科学基金(61862067); 国家自然科学基金(U1902201); 云南省科技厅-云南大学双一流联合基金重点项目(2019FY003027); 国家重点研发计划(2022YFC2602500); 云南师范大学研究生科研创新基金项目(YJ SJ23-B173)

长链非编码RNA(lncRNA)在细胞的许多生命过程中发挥着重要作用, 而lncRNA亚细胞定位可为其功能识别带来关键信息。通过传统生物生化实验方法鉴定lncRNA亚细胞定位时存在程序复杂、难以复制、成本高等缺点, 为此, 提出一种面向lncRNA亚细胞定位预测的注意力双向长短时记忆(BiLSTM)与原型网络方法BP-lncLoc。首先, 基于原始序列数据获取K-mer初始特征, 并对其进行平衡处理; 其次, 结合注意力BiLSTM有效提取lncRNA序列的深层隐含特征, 并优化神经网络在处理高维数据时可能出现的梯度消失问题; 随后, 针对lncRNA亚细胞定位数据的小样本特性, 构建不依赖大规模训练样本的原型网络预测框架; 最后, 从量化输入特征对输出决策重要性的角度出发, 实现预测模型的可解释性。实验结果表明, 该方法在公开数据集上的准确率达到了98.89%, 优于对比方法, 为lncRNA亚细胞定位预测的应用提供了一种新思路。

来源：2025年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第8期