数据挖掘技术在生物序列分析与识别算法上的应用

摘要

深度学习已经在生物序列中得到越来越多的应用,递归神经网络(Recurrent Neural Network,RNN)及其变体在时序数据中具有更好的性能.在此基础上,提出了一种双向门控递归单元(Gated Recurrent Unit,GRU)网络与k-mer嵌入相结合的转录因子(transcription factors,TF)结合位点识别方法.将DNA序列分为具有特定长度和跨度窗口的k-mer序列,通过Word2vec算法将每个k-mer视为一个单词和经过预训练的单词表示模型,构建了用于特征学习和分类的深度双向GRU模型,并给出了预测结果.实验结果表明,与其他方法相比,所提方法具有更好的性能,说明方法的可行性与有效性.