一种基于多任务深度学习的RBP结合位点预测方法

本发明公开了一种基于多任务深度学习的RBP结合位点预测方法，解决了单任务学习在样本少时不能充分训练的问题，其技术方案要点是通过先构建适用于多任务学习模型的去耦合数据集，再接收输入的多种RBP结合位点的RNA序列样本并进行编码，使用特征共享网络和任务特异性网络建立多任务深度学习网络框架并进行交替训练，将编码后获得的特征矩阵输入特征共享网络，采用特征共享网络中的一维卷积神经算法和长短时记忆算法进行降维，采用任务特异性分类网络中的多层感知机对样本进行分类预测，得到分类概率结果，本发明的一种基于多任务深度学习的RBP结合位点预测方法，能弥补样本少的不足，提升分类算法的鲁棒性，提高预测精度。