来源：期刊VIP网 时间：
作者：黄泽霞;李煨;邵春莉;耿林;
单位：安徽大学电气工程与自动化学院;阳光电源股份有限公司;
摘要：针对传统4mC位点预测方法成本高、耗时长问题，提出基于双路径多尺度特征融合的4mC位点预测方法。首先构建以卷积层、双向长短期记忆网络与注意力机制为核心的多层次特征提取模块，获取序列间长期依赖的关键位置信息，提升检测的准确性；然后设计以改进SENet网络为核心的多尺度特征提取模块，实现特征的多尺度细节表达，提升特征的表征能力；进而提出基于并行特征融合的分类优化方法，进一步提升特征的捕获效果；最后设计以带类权重损失函数为核心的输出模块，实现对样本之间不平衡性的调节。实验结果表明，所提方法可有效实现多物种环境下4mC位点的识别，并且预测准确率和鲁棒性均优于现有方法。
关键词：4mC位点预测;;多尺度特征融合;;双向长短期记忆网络;;SENet网络
基金资助：教育部产学合作协同育人项目(230700005272541,231103177230726);; 安徽大学线上线下混合式课程项目(2023xjzlgc124)
