1.一種基于rnaernie預(yù)訓(xùn)練模型的rnan4-乙酰胞苷修飾位點(diǎn)預(yù)測方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的基于rnaernie預(yù)訓(xùn)練模型的rnan4-乙酰胞苷修飾位點(diǎn)預(yù)測方法，其特征在于，所述方法還包括：
3.根據(jù)權(quán)利要求1所述的基于rnaernie預(yù)訓(xùn)練模型的rnan4-乙酰胞苷修飾位點(diǎn)預(yù)測方法，其特征在于，所述方法還包括：
4.根據(jù)權(quán)利要求1所述的基于rnaernie預(yù)訓(xùn)練模型的rnan4-乙酰胞苷修飾位點(diǎn)預(yù)測方法，其特征在于，采集rna序列數(shù)據(jù)集之后，所述方法還包括：
5.根據(jù)權(quán)利要求1所述的基于rnaernie預(yù)訓(xùn)練模型的rnan4-乙酰胞苷修飾位點(diǎn)預(yù)測方法，其特征在于，所述rnaernie預(yù)訓(xùn)練模型建立在通過知識集成增強(qiáng)表示框架的基礎(chǔ)上，且結(jié)合transformer層和多頭自注意機(jī)制；其中：
6.根據(jù)權(quán)利要求1所述的基于rnaernie預(yù)訓(xùn)練模型的rnan4-乙酰胞苷修飾位點(diǎn)預(yù)測方法，其特征在于，將所述rna序列數(shù)據(jù)集中的每條rna序列分別輸入至rnaernie預(yù)訓(xùn)練模型中進(jìn)行多級掩碼，包括：
7.根據(jù)權(quán)利要求1所述的基于rnaernie預(yù)訓(xùn)練模型的rnan4-乙酰胞苷修飾位點(diǎn)預(yù)測方法，其特征在于，將所述編碼后的高維特征輸入至深度神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行特征降維，得到降維后的特征，包括：
8.根據(jù)權(quán)利要求1所述的基于rnaernie預(yù)訓(xùn)練模型的rnan4-乙酰胞苷修飾位點(diǎn)預(yù)測方法，其特征在于，通過所述軟投票集成模型集成不同分類器的預(yù)測結(jié)果，得到rnan4-乙酰胞苷修飾位點(diǎn)預(yù)測結(jié)果，包括：
9.一種基于rnaernie預(yù)訓(xùn)練模型的rnan4-乙酰胞苷修飾位點(diǎn)預(yù)測系統(tǒng)，其特征在于，所述系統(tǒng)包括：
10.根據(jù)權(quán)利要求9所述的基于rnaernie預(yù)訓(xùn)練模型的rnan4-乙酰胞苷修飾位點(diǎn)預(yù)測系統(tǒng)，其特征在于，所述系統(tǒng)還包括模型評估模塊，用于確定評估指標(biāo)，并根據(jù)所述評估指標(biāo)使用十折交叉驗(yàn)證方式對所述軟投票集成模型進(jìn)行性能評估，得到評估結(jié)果；其中，所述評估指標(biāo)包括靈敏性、特異性、準(zhǔn)確性、馬修斯相關(guān)系數(shù)、曲線下面積。