基于改进自注意力与Mamba双模块的不同长度基因组序列编码方法

基于改进自注意力与Mamba双模块的不同长度基因组序列编码方法，它涉及一种不同长度基因组序列编码方法。本发明为了解决现有技术中基因组序列无法合理输入至神经网络模型的问题。本发明在数据处理序列特征提取过程，提取不同长度基因组序列的kmer位置特征信息、kmer中心性特征信息以及kmer间关联性特征信息；在预训练过程，构建基于改进自注意力与Mamba双模块模型，通过掩码预训练使序列编码模型能够捕捉基因组序列的通用特征，获取不同长度基因组序列的相同维度通用表示向量；在微调过程，通过使用特定生物学任务数据微调训练，使编码模型能够更匹配病毒识别、病毒宿主和病毒生活方式识别等多种基于病毒基因组。本发明属于深度学习与基因工程技术领域。