本發(fā)明涉及新一代信息中適用于預(yù)測(cè)目的的數(shù)據(jù)處理方法及系統(tǒng)，尤其涉及一種lncrna-蛋白質(zhì)交互預(yù)測(cè)方法及系統(tǒng)。

背景技術(shù)：

1、隨著高通量測(cè)序技術(shù)的發(fā)展，大量lncrna(long?non-coding?rna，長(zhǎng)鏈非編碼rna)被發(fā)現(xiàn)，但它們的功能和與蛋白質(zhì)的相互作用機(jī)制尚不完全清楚。lncrna通過與蛋白質(zhì)相互作用(lpi，lncrna--protein?interaction)參與多種生物過程的調(diào)控，因此準(zhǔn)確預(yù)測(cè)lpi對(duì)于進(jìn)一步發(fā)掘lncrna的功能和作用，探索lncrna在疾病發(fā)展中的病理機(jī)制，挖掘潛在的藥物靶點(diǎn)，藥物篩選及優(yōu)化都至關(guān)重要。盡管有大量關(guān)于lncrna與疾病關(guān)聯(lián)的信息，但它們的確切作用機(jī)制仍然未知。傳統(tǒng)的lpi預(yù)測(cè)主要依賴于生化實(shí)驗(yàn)和分析，成本高、耗時(shí)長(zhǎng)，且受限于實(shí)驗(yàn)條件和樣本量。基于序列相似性、基因共表達(dá)和亞細(xì)胞定位等方法被應(yīng)用于lpi預(yù)測(cè)，但這些方法受時(shí)間和資金限制?，F(xiàn)有的計(jì)算模型在預(yù)測(cè)lpi存在以下不足：較少關(guān)注蛋白質(zhì)表面信息，而蛋白質(zhì)表面信息對(duì)lpi不可或缺；在處理蛋白質(zhì)的多模態(tài)信息時(shí)，未充分考慮不同模態(tài)間的異質(zhì)性，傳統(tǒng)方法直接連接不同模態(tài)的嵌入，忽略了模態(tài)間的差異，無法有效利用不同模態(tài)的互補(bǔ)性。隨著數(shù)據(jù)量的持續(xù)增長(zhǎng)，作為機(jī)器學(xué)習(xí)重要分支的深度學(xué)習(xí)方法在lpi預(yù)測(cè)領(lǐng)域極具潛力，但仍然存在不足，直接應(yīng)用gnn(graph?neuralnetwork，圖神經(jīng)網(wǎng)絡(luò))處理蛋白質(zhì)3d結(jié)構(gòu)難以充分捕獲其幾何信息，且大部分方法只關(guān)注單一模態(tài)信息，忽略了其他模態(tài)。因此，開發(fā)一種能夠高效、準(zhǔn)確預(yù)測(cè)lncrna與蛋白質(zhì)相互作用的新方法顯得尤為重要。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明目的在于公開一種lncrna-蛋白質(zhì)交互預(yù)測(cè)方法及系統(tǒng)，以提高預(yù)測(cè)的準(zhǔn)確性。

2、為達(dá)上述目的，本發(fā)明公開的lncrna-蛋白質(zhì)交互預(yù)測(cè)方法包括：

3、步驟s1、分別提取蛋白質(zhì)的結(jié)構(gòu)特征、表面特征、序列特征。

4、步驟s2、先通過transforme架構(gòu)基于自注意力機(jī)制處理蛋白質(zhì)表面特征得到新的表面嵌入；再通過transformer架構(gòu)的交叉注意力機(jī)制將結(jié)構(gòu)特征及序列特征分別與該新的表面嵌入對(duì)齊得到結(jié)構(gòu)嵌入和序列嵌入；最后對(duì)表面、結(jié)構(gòu)和序列對(duì)齊后的新嵌入分別應(yīng)用平均池化，然后合并池化后的嵌入，得到初始蛋白質(zhì)特征表示。

5、步驟s3、分別提取lncrna序列特征核、表達(dá)譜特征核、序列相似度核以及和蛋白質(zhì)的高斯交互譜核。

6、步驟s4、將lncrna序列特征核、表達(dá)譜特征核、序列相似度核以及和蛋白質(zhì)的高斯交互譜核融合為一個(gè)集成核；然后通過圖卷積網(wǎng)絡(luò)對(duì)該集成核進(jìn)行特征編碼得到初始lncrna特征圖。

7、步驟s5、將所述初始蛋白質(zhì)特征表示和所述初始lncrna特征圖基于交叉注意力機(jī)制得到最終的lncrna特征圖和最終的蛋白質(zhì)特征圖；使用全局最大池操作對(duì)所述最終lncrna特征圖和所述最終蛋白質(zhì)特征圖進(jìn)行降采樣，生成由一維的lncrna特征向量和一維的蛋白質(zhì)特征向量組成的聯(lián)合特征表示向量。

8、步驟s6、將所述聯(lián)合特征表示向量輸入由全連接分類層組成的解碼器中，得到lpi的預(yù)測(cè)分?jǐn)?shù)。

9、優(yōu)選地，在將所述聯(lián)合特征表示向量輸入由全連接分類層組成的解碼器之前，還包括：

10、采用跨域自適應(yīng)機(jī)制調(diào)整樣本的分布，結(jié)合源域上的交叉熵?fù)p失和域鑒別器的對(duì)抗性損失以最小化源域與目標(biāo)域之間數(shù)據(jù)分布差異，從而增強(qiáng)跨域預(yù)測(cè)的泛化能力。

11、優(yōu)選地，所述步驟s1包括：

12、步驟s11、輸入包含22種原子類型的原子云，通過采樣獲得蛋白質(zhì)表面的定向點(diǎn)云表示，選擇最靠近配體中心的512個(gè)表面點(diǎn)作為表面口袋；對(duì)每個(gè)選擇的點(diǎn)，選取最近的16個(gè)原子中心及其類型；計(jì)算每個(gè)點(diǎn)的平均曲率和高斯曲率作為幾何特征，并與通過多層感知機(jī)計(jì)算的化學(xué)特征向量拼接成完整的特征向量，使用測(cè)地線卷積層獲得表面點(diǎn)的最終標(biāo)量嵌入。

13、步驟s12、在捕獲蛋白質(zhì)的3d結(jié)構(gòu)特征的過程中，以gvp-gnn算法將節(jié)點(diǎn)的標(biāo)量特征和向量特征作為輸入，通過消息傳遞步驟更新節(jié)點(diǎn)嵌入，具體計(jì)算公式為：

14、

15、其中，表示節(jié)點(diǎn)i的嵌入，而表示邊的嵌入，mij表示節(jié)點(diǎn)j傳遞給節(jié)點(diǎn)i的消息，k′是傳入消息的數(shù)量，gvps為幾何向量感知機(jī)，layernorm為歸一化函數(shù)，dropout為防止過擬合的正則化函數(shù)。

16、步驟s13、通過蛋白質(zhì)序列預(yù)訓(xùn)練模型protbert來處理輸入序列以獲得序列特征。

17、優(yōu)選地，在所述步驟s5中，包括：

18、通過在蛋白質(zhì)關(guān)注的鍵和值與lncrna關(guān)注的鍵和值之間進(jìn)行雙向信息交互，實(shí)現(xiàn)lncrna和蛋白質(zhì)之間的信息交換和關(guān)聯(lián)；蛋白質(zhì)特征通過lncrna特征的注意力權(quán)重來調(diào)節(jié)自身的表達(dá)，同理，lncrna特征通過蛋白質(zhì)特征的注意力權(quán)重來調(diào)節(jié)自身的表達(dá)；具體包括：

19、lncrna特征圖fl被送入線性層以計(jì)算lncrna的查詢向量蛋白質(zhì)特征圖fp也通過線性層獲取，計(jì)算可得到lncrna的鍵向量和值向量獲取過程如下：

20、

21、其中，都是線性層中不同的權(quán)重矩陣，dhead＝de/heads是通道維度，i＝1,2,…,heads，heads是注意力頭數(shù)；de為嵌入維度。

22、同理，蛋白質(zhì)特征圖fp輸入到線性層以計(jì)算蛋白質(zhì)查詢向量然后取lncrna特征圖fl生成蛋白質(zhì)鍵向量以及蛋白質(zhì)值向量蛋白質(zhì)的查詢、鍵和值通過以下公式計(jì)算：

23、

24、其中權(quán)重矩陣和與lncrna注意力具有相同的權(quán)重；通過應(yīng)用softmax函數(shù)，lncrna和蛋白質(zhì)的注意力矩陣計(jì)算如下：

25、

26、其中，是lncrna和蛋白質(zhì)的維度k。

27、通過將每個(gè)注意力頭的lncrna/蛋白質(zhì)的注意力矩陣與相應(yīng)的lncrna/蛋白質(zhì)的值矩陣相乘，獲得每個(gè)頭的lncrna/蛋白質(zhì)特征圖；隨后，將所有注意力頭的lncrna/蛋白質(zhì)特征圖在通道維度上連接起來，并饋送到線性層，以獲取得到注意力的lncrna特征表示和蛋白質(zhì)特征表示

28、

29、其中，是共享的權(quán)值矩陣。

30、接著，將感興趣的特征圖與原始特征圖相結(jié)合，以獲得最終的lncrna特征圖和蛋白質(zhì)特征圖

31、fzl＝0.5zl+0.5fl；

32、fzp＝0.5zp+0.5fp；

33、通過使用全局最大池操作對(duì)lncrna和蛋白質(zhì)特征圖進(jìn)行降采樣，以生成一維的lncrna特征向量和蛋白質(zhì)特征向量

34、lmp＝maxpooling(fzl)；

35、pmp＝maxpooling(fzp)；

36、最后，將lmp和pmp連接起來以獲取一維的聯(lián)合特征表示向量

37、f＝concat(lmp,pmp)。

38、優(yōu)選地，所述跨域自適應(yīng)機(jī)制包括：

39、特征提取器f(*)是lncrna和蛋白質(zhì)特征編碼器與交叉注意力模塊一起生成輸入域數(shù)據(jù)的聯(lián)合表示，即和對(duì)于解碼器g(*)，采用全連接分類層，并遵循softmax函數(shù)為g(*)獲取預(yù)測(cè)的分類結(jié)果：和

40、將聯(lián)合特征表示向量f和分類器預(yù)測(cè)g嵌入到聯(lián)合條件表示中，其定義如下：

41、

42、其中，是外積，flatten對(duì)f和g向量的外積執(zhí)行展平操作。

43、采用域鑒別器d(*)對(duì)齊源域和目標(biāo)域的聯(lián)合表示f和預(yù)測(cè)的分類分布g，訓(xùn)練f(*)和g(*)以最小化源域與源標(biāo)簽信息的交叉熵?fù)p失l，從而生成一個(gè)混淆鑒別器d(*)的聯(lián)合條件表示c；在跨域任務(wù)中，基于標(biāo)記源域上的交叉熵?fù)p失的函數(shù)ls和域鑒別器的對(duì)抗性損失函數(shù)ladν，將cdan優(yōu)化問題定義為最小值范式：

44、

45、其中，ω是用于加權(quán)l(xiāng)adν的超參數(shù)。

46、為達(dá)上述目的，本發(fā)明還公開一種lncrna-蛋白質(zhì)交互預(yù)測(cè)系統(tǒng)，包括存儲(chǔ)器、處理器以及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)上述的方法。

47、本發(fā)明具有以下有益效果：

48、1、有效融合多模態(tài)信息：多模態(tài)特征編碼器能夠有效地融合蛋白質(zhì)的表面、結(jié)構(gòu)和序列等多模態(tài)信息，通過transformer技術(shù)進(jìn)行了特征對(duì)齊，減少了不同模態(tài)特征之間的異質(zhì)性，提高了模型對(duì)多模態(tài)信息的利用效率。

49、2、引入的交叉注意力模塊在保留lncrna和蛋白質(zhì)內(nèi)部特征的同時(shí)，深入探索它們之間的相互作用信息，實(shí)現(xiàn)特征融合，提高lpi預(yù)測(cè)性能。

50、3、提高預(yù)測(cè)準(zhǔn)確性：與現(xiàn)有基線方法相比，本發(fā)明在預(yù)測(cè)lncrna-蛋白質(zhì)交互任務(wù)中達(dá)到了最優(yōu)性能。

51、4、廣泛的應(yīng)用前景：本發(fā)明的方法可以廣泛應(yīng)用于lncrna功能研究、疾病機(jī)制探索以及藥物靶點(diǎn)發(fā)現(xiàn)等多個(gè)領(lǐng)域。進(jìn)一步地，可采用cdan模塊增強(qiáng)了模型在跨域dti預(yù)測(cè)任務(wù)中的性能和泛化能力，使其能更好地適應(yīng)新領(lǐng)域的數(shù)據(jù)分布。

52、下面將參照附圖，對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說明。