卷积神经网络在核小体定位识别中的应用

崔颖， 施丹丹， 徐泽龙， 张兆功， 李建中

(1.哈尔滨医科大学 生物信息科学与技术学院，黑龙江 哈尔滨 150086; 2.黑龙江大学 计算机科学与技术学院，黑龙江 哈尔滨 150080)

卷积神经网络(convolutional neural networks，CNN)已被广泛地应用于很多研究领域[1]，如图像分类、人脸识别、交通标志识别等[2]。本文将卷积神经网络用于生物数据核小体DNA序列的识别。核小体是真核生物的染色质基本结构单元[3]，由约147 bp的DNA双链缠绕组蛋白八聚体约1.75圈形成，是染色体的一级结构[4]。相邻核小体通过称短DNA序列连接，其范围为10 bp～100 bp。DNA序列特征一直被认为是核小体定位的重要因素。核小体参与染色质形成[5]、拮抗转录因子[6]、抑制基因表达[7]等重要的生物学过程，其DNA序列的精确定位不仅影响基因表达调控[8]，对DNA复制[9]、DNA修复[10]及重组[11]等也有重要作用。当前国内外核小体定位研究大多针对开发分类算法，例如通过信息熵[12]、碱基对偏转角度[13]等方法来表示核小体DNA序列特征[14]，进而训练分类器。本文基于Z曲线理论将核小体DNA序列转换为三维空间曲线坐标，应用卷积神经网络模型训练和检验，获得了较好的分类效能，为今后的核小体定位研究提供一些参考。

1 基于Z曲线理论的卷积神经网络方法(ZCN)

1.1 Z曲线理论及转换公式

Z曲线理论基于正面体表示碱基对称性[15]，将DNA 序列用4 种字母符号表示为一维序列，利用这种形式来表示任意长度的DNA 序列，能够显示出DNA序列的新特征，且根据正四面体的对称性可以证明，每条序列对应唯一一条Z曲线。对于一条长为N的单链DNA序列，它的三维坐标可表示方法为：