本發(fā)明公開了一種基于深度學(xué)習(xí)的RBP結(jié)合位點(diǎn)預(yù)測(cè)算法，首先從RNA序列信息出發(fā)，增加二級(jí)結(jié)構(gòu)特征作為輸入；通過基于強(qiáng)化學(xué)習(xí)的生成對(duì)抗網(wǎng)絡(luò)，對(duì)RBP進(jìn)行數(shù)據(jù)增強(qiáng)，目的是通過增強(qiáng)訓(xùn)練集規(guī)模來提高預(yù)測(cè)模型的預(yù)測(cè)能力；提出卷積自編碼器作為預(yù)測(cè)模型，預(yù)訓(xùn)練過程包括編碼器和解碼器的訓(xùn)練，提取已訓(xùn)練好的編碼器微調(diào)；能夠預(yù)測(cè)未知結(jié)合位點(diǎn)的RNA序列；通過卷積自編碼器的卷積核，能夠提取與RNA發(fā)生結(jié)合的序列motif與結(jié)構(gòu)motif，探究不同RBP的序列和結(jié)構(gòu)特異性；對(duì)于每種RBP數(shù)據(jù)都訓(xùn)練一個(gè)對(duì)應(yīng)的預(yù)測(cè)模型；對(duì)于一個(gè)待預(yù)測(cè)的RNA序列，首先編碼序列，然后將編碼信息輸入到已訓(xùn)練好的各個(gè)預(yù)測(cè)模型中，最終的結(jié)果即為特異RNA與各個(gè)RBP對(duì)應(yīng)的結(jié)合概率。