一种基于深度嵌入卷积神经网络的模体挖掘方法

摘要

本发明涉及一种基于深度嵌入卷积神经网络的模体挖掘方法，包括：S1、构建深度嵌入卷积神经网络eDeepCNN模型；S2、对DNA序列进行K‑mer编码，利用嵌入向量作为所述模型中K‑mer的输入表示，作为所述模型的数据集进行训练，并进行特征提取和绑定预测；S3、将所述深度嵌入卷积神经网络eDeepCNN模型与浅层网络对比，用于验证所述深度嵌入卷积神经网络eDeepCNN模型的优越性。本发明中，K‑mer编码显式建模了DNA序列中邻近核苷酸的依赖关系，隐含了DNA序列的形状信息，高维嵌入向量则可以充分表征K‑mer所包含的潜在信息。