一种基于预训练核酸序列模型的DNA-RNA互作对预测系统

本发明涉及计算基因组学，具体涉及一种基于预训练核酸序列模型的dna-rna互作对预测系统。

背景技术：

1、dna-rna互作是基因表达调控、染色质结构维持、转录激活或抑制、表观遗传修饰因子招募以及远端调控元件桥接等基本生命过程中重要的分子事件。特别是染色质相关rna（chromatin-associated rnas，carnas）能够与特定基因组区域形成直接或间接相互作用，从而参与启动子、增强子、异染色质区域及其他功能基因组元件的调控。准确识别dna-rna互作对，有助于解析细胞内转录调控网络、发现生理/疾病相关调控rna、定位潜在药物靶点，并为后续实验验证提供高置信度候选。

2、现有dna-rna互作研究主要依赖于高通量实验技术或特定结构类别的检测技术。该类方法虽然能够捕获大量互作信号，但通常存在实验成本高、细胞材料需求高、分辨率受限、难以从复杂群体信号中直接解析一对一互作关系等问题。部分方法只能反映rna与染色质状态之间的相关性，难以直接确定具体rna序列与具体dna区域之间的一一配对关系；另一些方法则聚焦于rna:dna杂交等特定构象，难以覆盖更广泛的rna-染色质互作形式。

3、在计算预测方面，既有模型多侧重于单一dna序列功能预测、单一rna序列功能预测或特定分子结构预测，尚缺乏一种能够同时利用dna序列信息和rna序列信息，并将二者在配对层面融合以输出互作概率的通用技术框架。尤其是在全基因组区域和细胞类型特异rna集合共同参与预测时，泛组合配对筛选会产生明显的数量爆炸问题。若候选dna区域数量为 n_dna，候选rna数量为 n_rna，需要评估的候选互作对数量为 n_dna×n_rna。例如，当候选dna区域为10,000个、候选rna为10,000个时，全组合配对数量达到100,000,000个；若进一步将dna区域和rna序列分割为多个窗口，实际需要评估的窗口级配对数量还会继续增加。如此规模的候选组合会显著增加计算资源消耗、推理时间和后续实验验证负担，直接穷尽实验验证或人工筛选均难以实现。

技术实现思路

1、针对现有技术中存在的上述问题，现提供一种基于预训练核酸序列模型的dna-rna互作对预测系统。

2、具体技术方案如下：

3、一种基于预训练核酸序列模型的dna-rna互作对预测系统，包括：

4、序列生成模块，所述序列生成模块获取待检测细胞，自所述待检测细胞中提取全量的待预测dna序列和待预测rna序列；

5、窗口表示模块，所述窗口表示模块连接所述序列生成模块；

6、所述窗口表示模块对所述待预测dna序列截取窗口级表示以构建dna表示集合，以及，对所述待预测rna序列截取窗口级表示以构建rna表示集合；

7、配对预测模块，所述配对预测模块对所述dna表示集合和所述rna表示集合进行配对得到配对特征，随后预测每个所述配对特征的互作概率；

8、筛选模块，所述筛选模块根据所述互作概率对所述配对特征进行筛选得到候选dna-rna互作对。

9、另一方面，所述窗口表示模块包括：

10、窗口划分模块，所述窗口划分模块分别接收所述待预测dna序列和所述待预测rna序列；

11、所述窗口划分模块对所述待预测dna序列进行滑窗并标记位置信息得到dna序列窗口，以及，对所述待预测rna序列进行滑窗并标记位置信息得到rna序列窗口；

12、所述位置信息包括来源序列标识、窗口起始位置和窗口结束位置；

13、序列表示模块，所述序列表示模块基于预训练的dna序列模型将所述dna序列窗口转换成dna窗口级表示，以及，基于预训练的rna序列模型将所述rna序列窗口转换成rna窗口级表示；

14、所述dna序列模型用于从所述dna序列窗口中的dna核苷酸序列中提取包含局部上下文和功能模式的序列表示作为所述dna窗口级表示；

15、所述rna序列模型用于从所述rna序列窗口中的rna核苷酸序列中提取包含局部上下文和功能模式的序列表示作为所述rna窗口级表示；

16、集合添加模块，所述集合添加模块将所述dna窗口级表示标注所述位置信息添加至所述dna表示集合，以及将所述rna窗口级表示标注所述位置信息添加至所述rna表示集合。

17、另一方面，所述窗口表示模块还包括：

18、投影模块，所述投影模块分别连接所述序列表示模块和所述集合添加模块；

19、所述投影模块将所述dna窗口级表示和所述rna窗口级表示进行维度对齐后输出。

20、另一方面，所述dna序列模型和所述rna序列模型基于核酸语言模型、transformer模型、bert类模型、掩码语言模型、自回归语言模型、对比学习模型中的任意一种实现。

21、另一方面，所述配对预测模块包括：

22、特征配对模块，所述特征配对模块依照外部输入的特征类型选择指令选择特定的拼接方式，并抽取所述dna窗口级表示和所述rna窗口级表示拼接得到配对特征；

23、互作预测模型，所述互作预测模型对所述配对特征进行预测来得到所述互作概率。

24、另一方面，所述拼接方式为对所述dna窗口级表示和所述rna窗口级表示直接拼接、经投影对齐后的拼接、经投影对齐后的差异特征、经投影对齐后的逐元素乘积特征、相似度特征、双线性打分特征、注意力融合特征中的一种。

25、另一方面，所述互作预测模型基于多层感知机、线性分类器、注意力分类器、双线性打分器中的一种实现。

26、另一方面，当所述互作预测模型输出逻辑值时，所述互作预测模型的后级还连接有映射层；

27、所述映射层基于sigmoid函数将所述逻辑值转化成所述互作概率。

28、另一方面，所述筛选模块包括：

29、抽取模块，所述抽取模块分别选取需要输出的所述dna窗口级表示或所述rna窗口级表示；

30、概率输出模块，所述概率输出模块针对所述dna窗口级表示或所述rna窗口级表示获取关联的所述互作概率，并基于所述互作概率抽取关联rna或关联dna；

31、输出模块，所述输出模块根据所述dna窗口级表示或所述rna窗口级表示以及筛选到的所述关联rna或所述关联dna生成对应的所述候选dna-rna互作对。

32、另一方面，还包括药物靶点筛选模块；

33、所述药物靶点筛选模块获取外部实验获得的rna靶点，所述药物靶点筛选模块根据所述rna靶点对所述候选dna-rna互作对进行筛选得到匹配的dna点位并输出。

34、上述技术方案具有如下优点或有益效果：

35、针对现有技术中的dna-rna互作对筛选相对困难、配对耗时较长的问题，通过对dna序列和rna序列构建包含局部上下文和功能模式的窗口级表示，并对dna表示集合和rna表示集合进行配对，预测其对应于互作对的概率，实现了对dna-rna互作对的自动化筛选过程，能够在全基因组以及特定染色质位点筛选有效的rna-染色质一对一互作对。