演算法集錦（1）|序列模型|利用深度神經網路進行DNA與蛋白質序列轉換

更多AI資訊，關註：九三智能控

DNA序列和蛋白質類型，都是很重要的生物數據。今天我們介紹一種可以實現二者高效、準確的轉換的深度學習演算法。

首先，我們來看看DNA和蛋白質序列如何在機器學習演算法中進行表示。

步驟1：獲取DNA和蛋白質表

步驟2：生成DNA和蛋白質序列

可以看到，我們先聲明了一些超參數，它們代表訓練數據的數量或蛋白質序列的長度。我們從步驟1中的表中隨機的抽取蛋白質和DNA匹配對。

步驟3：使用1-4規則編碼DNA

DNA編碼的方法很多，這裡我們選擇1-4規則。也就是說，用（1*4）向量來代表每個DNA序列。下面就是我們生成的DNA序列編碼。

步驟5：確認生成蛋白質序列

我們可以利用上圖來確認生成的蛋白質序列是否正確。

步驟6：建立蛋白質的獨熱編碼（One Hot Encoding）

紅框中是重複的蛋白質A，綠框中的重複的蛋白質T。因為有兩個蛋白質編碼是重複的，所以我們可以用一個（1*8）的向量來代表每一個蛋白質。

接下來，我們將介紹如何建立深度神經網路來實現DNA和蛋白質序列的轉換。

神經網路框架和前饋操作

其中，黑色向量代表編碼的DNA序列；紅色向量代表神經網路層（這裡有4層，每層50個神經元）；藍色向量代表用於分類的Softmax層。

箭頭：代表標準前饋操作

以上結構表示的是一個標準的前饋操作。

反向傳播操作

黃色向量：標準的梯度流；

黑色曲線：跨越式（Dilated Connection）的反向傳播，可以使不同層之間的連接更加緊密。

實際訓練結構

上圖：平均準確率的變化；下圖：損失函數的變化

可以看到，經過1201次迭代，訓練的神經網路模型可以達到100%的準確度。

將DNA序列轉換為蛋白質序列的結果如下：

利用步驟5的基因圖表，可以確認神經網路準確的將DNA序列轉換成了蛋白質序列。

代碼如下：

關注公眾號，並點擊閱讀原文，可獲取源代碼，密碼: 853e。

微信群&商業合作：

• 加入微信群：不定期分享資料，拓展行業人脈請在公眾號留言：「微信號+名字+研究領域/專業/學校/公司」，我們將很快與您聯繫。
• 投稿（無稿費）請發郵件至：158354995@qq.com

• 商業合作請註明事宜哦

http://weixin.qq.com/r/AC91bd-EloLprZsO93oS (二維碼自動識別)