基于RNN及其融合方法的DNA甲基化预测模型研究

• 作 者: 周暄焯
• 出 处: 电子科技大学
• 发表日期: 2020年07期
• 关键词: DNA序列 DNA甲基化 循环神经网络 特征融合 多任务学习

DNA甲基化是表观遗传机制的一种,涉及多种重要的生命活动。研究DNA甲基化在基因表达调控、疾病防治、肿瘤识别等方面具有重要意义。利用实验手段检测DNA甲基化的方法可以获得较高的准确性,但由于成本高,并不能大规模的应用。因此,利用机器学习模型预测DNA甲基化成为实验手段的重要补充。近年来,随着深度学习技术的发展,研究人员开始使用深度学习框架进行DNA甲基化的研究,与传统的机器学习方法相比,深度学习可以更充分地利用现有的甲基化数据库,可以从大量的数据中自动学习到潜在的甲基化特征。目前,DeepCpG、MRCNN等基于深度学习的DNA甲基化预测模型取得了良好的效果,但还存在着难以提取DNA序列时序特征、部分区域性能较差的不足。针对以上问题,本文构建了三种通过局部DNA序列预测DNA甲基化的深度学习模型。相比于现有模型,提升了DNA甲基化的预测性能。具体工作如下:(1)针对于卷积神经网络(Convolutional Neural Networks,CNN)每层内部神经元相互独立,难以有效利用DNA序列时序信息的问题,文本基于循环神经网络(Recurrent Neural Network,RNN)在层之间的神经元存在权连接,对时序上的变化更为敏感的特点,构建了基于RNN的DNA甲基化预测模型。通过与MRCNN模型在相同数据集下的对比试验,本文RNN模型甲基化水平回归的均方误差下降到0.0361,甲基化状态分类的准确率提高到90.66%,并且RNN模型对低甲基化位点的预测准确率较高,这表明RNN模型提取的特征在研究低甲基化区域的甲基化模式时可以做出更大的贡献。(2)RNN模型在低甲基化区域有着较好的性能,但在高甲基化区域的性能却有所不足,为了弥补这种不足,并进一步提升模型的分类和回归性能。本文通过特征融合的方式,将在高甲基化区域有着良好性能的MRCNN模型融合到RNN模型中,构建了特征融合模型。经过训练之后的特征融合模型相比RNN模型和MRCNN模型在高低甲基化区域的性能都有所提升,取得了更好的预测效果,特征融合模型甲基化水平回归的均方误差减小到0.0305,甲基化状态分类准确率提升到91.72%。(3)特征融合模型在全基因组上的整体性能有所提升,但是相比于RNN模型,各区域的性能差异增大,并且在Intergenic和Open sea两个区域的预测性能还有所下降。针对于这个问题,本文提出将待测位点按DNA区域进行任务划分的多任务学习方法,并构建了共享-私有模式的多任务学习模型。通过私有模块提取各区域甲基化模式的私有特征,通过共享模块提取全基因组上甲基化模式的公有特征,并在每个任务中将私有特征和公有特征进行融合。通过多任务学习的方法,保留了不同区域甲基化模式的共性,减小了甲基化区域差异的影响,使模型各区域性能都有所提升,最终在全基因组上的甲基化水平回归均方误差减小到0.247,甲基化状态分类准确率提升到93.16%。