多尺度卷积与自注意力融合下的蛋白质翻译调控

来源：计算机工程与应用杂志2026年第5期北京时间：

作者：周渴一, 崔竞松, 李娇娇, 齐浩

单位：1.武汉大学 国家网络安全学院 空天信息安全与可信计算教育部重点实验室，武汉 430072；2.天津大学 化工学院 系统生物工程教育部重点实验室，天津 300072；

摘要：为了提高对于蛋白质翻译起始效率的预测水准并挖掘5端非翻译区（5’untranslated region，5’UTR）序列的隐式语义信息，提出了一种基于多尺度卷积和自注意力机制相结合的预测模型RiboTIEP（ribosome translation initiation efficiency predictor）。该模型通过多尺度卷积层的多维度局部特征提取，以及自注意力机制下的全局特征并行提取，能够有效捕获不同核苷酸组合形式的生物语义特征与序列的上下文依赖关系。在原有单一的特征拼接方法的基础上，引入注意力机制来自适应地分配不同高维特征的权重以实现特征融合，并通过多层感知机进行回归预测。实验结果表明，RiboTIEP模型在多个数据集上的皮尔逊相关系数（Pearson correlation coefficient，PCC）均达到了0.88及以上；与单一的CNN模型架构相比，PCC最少可提升4.20%，最多可提升7.86%；与单一的LSTM模型架构相比，PCC最少可提升3.70%，最多可提升44.63%。

关键词：翻译起始效率,多尺度卷积,注意力机制,特征融合,生物语义特征

基金资助：湖北省重大科技专项项目（2022AAA009）。