0

0

RNA碱基不成对概率比赛的基线模型

P粉084495128

P粉084495128

发布时间:2025-07-23 13:27:25

|

1001人浏览过

|

来源于php中文网

原创

RNA碱基不成对概率预测竞赛基线模型基于飞桨2.0开发,可预测RNA序列各点位不成对概率,该概率在mRNA疫苗设计等领域有重要应用。提供5000条训练数据,基线用简单网络模型,训练脚本和测试脚本可分别训练模型和预测,开发者可从数据预处理等多方面优化模型。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

rna碱基不成对概率比赛的基线模型 - php中文网

RNA碱基不成对概率预测的基线模型

RNA结构预测竞赛:RNA碱基不成对概率预测基线模型现已开放,采用非常简单的网络模型,就能得到还不错的结果。欢迎开发者贡献更好的基线作品~

赛题介绍

“RNA碱基不成对概率”衡量了RNA序列在各个点位是否能形成稳定的碱基对(base pair),是RNA结构的重要属性,并可被应用在mRNA疫苗序列设计、药物研发等领域。例如mRNA疫苗序列通常不稳定,而RNA碱基不成对概率较高的点位正是易被降解的位置;又如RNA 碱基不成对概率较高的点位通常更容易与其他RNA序列相互作用,形成RNA-RNA binding等,这一特性也被广泛应用于疾病诊断和RNA药物研发。

本次比赛提供了5000条训练数据,请选手基于训练数据和飞桨平台,开发模型预测RNA碱基不成对概率。

(Tips:机器学习框架方面只允许使用飞桨深度学习框架哦)

竞赛数据集

In [ ]
# 检查数据集所在路径!tree /home/aistudio/data
   

基线系统代码结构

本次基线基于飞桨PaddlePaddle2.0版本。

In [3]
# 检查源代码文件结构# !cd work; mkdir model!tree /home/aistudio/work -L 2
       
/home/aistudio/work
├── data
│   ├── dev.txt
│   ├── test_nolabel.txt
│   └── train.txt
├── model
│   └── placeholder.txt
├── model-0
│   └── model_dev=0.0772
├── README.txt
├── src
│   ├── const.py
│   ├── dataset.py
│   ├── __init__.py
│   ├── main.py
│   ├── network.py
│   ├── utils.py
│   └── vocabulary.py
├── test_log.txt
└── train_log.txt

5 directories, 14 files
       

训练脚本

python src/main.py train --model-path-base [model_directory_name]

本代码会训练一个模型,并且保存到指定位置,训练日志默认保存到文件train_log.txt
注意:由于初始化的不稳定,可能需要多次训练,比较合理的验证集(dev)均方误差损失值(MSE loss)为0.05-0.08

样例

python src/main.py train --model-path-base model

你将会看到类似如下的训练日志

epoch 1 batch 40 processed 640 batch-loss 0.1984 epoch-elapsed 0h00m10s total-elapsed 0h00m11s 
epoch 1 batch 41 processed 656 batch-loss 0.2119 epoch-elapsed 0h00m10s total-elapsed 0h00m11s 
epoch 1 batch 42 processed 672 batch-loss 0.2205 epoch-elapsed 0h00m11s total-elapsed 0h00m11s 
epoch 1 batch 43 processed 688 batch-loss 0.2128 epoch-elapsed 0h00m11s total-elapsed 0h00m11s 
# Dev Average Loss: 0.212 (MSE) -> 0.461 (RMSD)
       

注意事项

请使用GPU版本的配置环境运行本模块

In [ ]
# To train:# python src/main.py train --model-path-base [model_directory_name]!cd work; python src/main.py train --model-path-base model
   

预测脚本

python src/main.py test --model-path-base [saved_model_directory]

本代码会预测一个模型,日志和结果默认保存到文件test_log.txt

样例

  1. 用不带标签的测试集来预测:
    python src/main.py test --model-path-base model-0/model_dev\=0.0772/
  2. 用带标签的测试集来预测并评估:
    python src/main.py test_withlabel --model-path-base model-0/model_dev\=0.0772/
    样例输出                
    # python3 src/main.py test_withlabel --model-path-base model-0/model_dev=0.0772Loading data...Loading model...initializing vacabularies... done.Sequence(6): ['', '', 'A', 'C', 'G', 'U']Brackets(5): ['', '', '(', ')', '.']W0113 21:57:44.871776   221 device_context.cc:252] Please NOTE: device: 0, CUDA Capability: 70, Driver API Version: 11.0, Runtime API Version: 9.0W0113 21:57:44.878015   221 device_context.cc:260] device: 0, cuDNN Version: 7.6.#  Dev Average Loss: 0.0772 (MSE) -> 0.2778 (RMSD)# Test Average Loss: 0.0445 (MSE) -> 0.2111 (RMSD)
               
  • 由于比赛的公开数据不提供测试集的标签,故本基线模型无法运行预设的test_withlabel,除非用户自己生成一个带标签的测试集~/data/test.txt。

注意事项

请使用GPU版本的配置环境运行本模块

In [ ]
# To test 1:# python src/main.py test --model-path-base [saved_model_directory]!cd work; python src/main.py test --model-path-base model-0/model_dev\=0.0772
   
In [ ]
# To test 2:# python src/main.py test_withlabel --model-path-base [saved_model_directory]# 由于比赛的公开数据不提供测试集的标签,故本基线模型无法运行预设的test_withlabel,除非用户自己生成一个带标签的测试集~/data/test.txt#### !cd work; python src/main.py test_withlabel --model-path-base model-0/model_dev\=0.0772
   

写在最后

选手可在基线模型基础上持续改进,也可以采用全新的模型。可以尝试从以下几方面来进行调优:

  • 输入数据预处理,提取更多feature
    • 基线模型使用LinearFold预测的RNA二级结构作为辅助feature。选手可以尝试增加更多的辅助feature,如:使用其他二级结构预测软件(如Vienna RNAfold, RNAstructure, CONTRAfold等)生成新的二级结构feature。
  • 更复杂的Embedding形式
  • 可以尝试在Embedding层使用Elmo, Bert等预训练模型
  • 优化网络结构和参数
    • 隐层大小选择 - 宽度和层数
    • 尝试复杂网络构建
    • 尝试正则化、dropout等方式避免过拟合
    • 选择学习率等超参数
    • 选择合适的损失函数
    • 尝试不同的优化器


点击跳转到 中文 说明

Baseline for RNA base unpaired probability

RNA structure prediction contest: The baseline model of RNA base unpairing probability prediction is now released. Using a very simple network model, you can get good results. Developers are welcome to contribute better baseline works~

Type Studio
Type Studio

一个视频编辑器,提供自动转录、自动生成字幕、视频翻译等功能

下载

About the challange

"RNA base unpaired probability" measures whether the RNA sequence can form a stable base pair at certain point. It is an important attribute of RNA structure and can be used in the design of mRNA vaccine sequence, drug development and other fields. For example, mRNA vaccine sequences are usually unstable, and the points with a higher probability of unpaired RNA bases are the positions that are easily degraded; another example is the points with higher probability of unpaired RNA bases are usually more likely to interact with other RNA sequences, with the formation of RNA-RNA binding, etc. This feature is also widely used in disease diagnosis and RNA drug development.

This competition provides 5000 training data. You are asked to develop a model to predict the unpaired probability of RNA bases, given the training data and PaddlePaddle platform.

(Tips:Machine learning models can be only developed with PaddlePaddle deep learning frameworks)

Dataset for RNA contest

In [ ]
# check dataset!tree /home/aistudio/data
   

Baseline system

This baseline is developed with PaddlePaddle2.0.

In [4]
# check codebase# !cd work; mkdir model!tree /home/aistudio/work -L 2
       
/home/aistudio/work
├── data
│   ├── dev.txt
│   ├── test_nolabel.txt
│   └── train.txt
├── model
│   └── placeholder.txt
├── model-0
│   └── model_dev=0.0772
├── README.txt
├── src
│   ├── const.py
│   ├── dataset.py
│   ├── __init__.py
│   ├── main.py
│   ├── network.py
│   ├── utils.py
│   └── vocabulary.py
├── test_log.txt
└── train_log.txt

5 directories, 14 files
       

To train

python src/main.py train --model-path-base [model_directory_name]

This will train a paddle model and save it in the specified directory. Training log will be outputed to train_log.txt by default.
Note: You may need to train a few times, as the model might have bad initialization and may not train well. (A dev MSE loss of about 0.05-0.08 is good)

Example

python src/main.py train --model-path-base model

training log like this

epoch 1 batch 40 processed 640 batch-loss 0.1984 epoch-elapsed 0h00m10s total-elapsed 0h00m11s 
epoch 1 batch 41 processed 656 batch-loss 0.2119 epoch-elapsed 0h00m10s total-elapsed 0h00m11s 
epoch 1 batch 42 processed 672 batch-loss 0.2205 epoch-elapsed 0h00m11s total-elapsed 0h00m11s 
epoch 1 batch 43 processed 688 batch-loss 0.2128 epoch-elapsed 0h00m11s total-elapsed 0h00m11s 
# Dev Average Loss: 0.212 (MSE) -> 0.461 (RMSD)
       

Note

Please use GPU/CUDA configuration to run this block

In [ ]
# To train:# python src/main.py train --model-path-base [model_directory_name]!cd work; python src/main.py train --model-path-base model
   

To test

python src/main.py test --model-path-base [saved_model_directory]

This will evaluate a trained model. Testing log will be outputed to test_log.txt by default.

Example

  1. if you have blind testset to predict:
    python src/main.py test --model-path-base model-0/model_dev\=0.0772/
  2. if you have full testset (with label) to predict and validate:
    python src/main.py test_withlabel --model-path-base model-0/model_dev\=0.0772/
    Outpit like this:                
    # python3 src/main.py test_withlabel --model-path-base model-0/model_dev=0.0772Loading data...Loading model...initializing vacabularies... done.Sequence(6): ['', '', 'A', 'C', 'G', 'U']Brackets(5): ['', '', '(', ')', '.']W0113 21:57:44.871776   221 device_context.cc:252] Please NOTE: device: 0, CUDA Capability: 70, Driver API Version: 11.0, Runtime API Version: 9.0W0113 21:57:44.878015   221 device_context.cc:260] device: 0, cuDNN Version: 7.6.#  Dev Average Loss: 0.0772 (MSE) -> 0.2778 (RMSD)# Test Average Loss: 0.0445 (MSE) -> 0.2111 (RMSD)
               
  • Since we don't offer labelled testset in baseline, you may not run test_withlabel unless you create ~/data/test.txt by yourself.

Note

Please use GPU/CUDA configuration to run this block

In [ ]
# To test 1:# python src/main.py test --model-path-base [saved_model_directory]!cd work; python src/main.py test --model-path-base model-0/model_dev\=0.0772
   
In [ ]
# To test 2:# python src/main.py test_withlabel --model-path-base [saved_model_directory]# since we don't offer labelled testset, you may not run the following command unless you create ~/data/test.txt by yourself#### !cd work; python src/main.py test_withlabel --model-path-base model-0/model_dev\=0.0772
   

One more thing

You can continue to improve on the basis of the baseline model, or use a brand new model. You can try to tune from the following aspects:

  • Preprocess input data to extract more features. The baseline model uses the RNA secondary structure predicted from LinearFold as parts of features. You can try to add more features with other secondary structure prediction software (Vienna RNAfold, RNAstructure, CONTRAfold, etc.)
  • More complex embedding
  • Use pre-trained models such as Elmo and Bert in the Embedding layer
  • Optimize network structure and parameters
    • Hidden layer size selection-width and number of layers
    • Try complex network architecture
    • Try regularization, dropout, etc. to avoid overfitting
    • Optimize hyperparameters such as learning rate
    • Choose a good loss function
    • Try different optimizers

相关专题

更多
python开发工具
python开发工具

php中文网为大家提供各种python开发工具,好的开发工具,可帮助开发者攻克编程学习中的基础障碍,理解每一行源代码在程序执行时在计算机中的过程。php中文网还为大家带来python相关课程以及相关文章等内容,供大家免费下载使用。

756

2023.06.15

python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

636

2023.07.20

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

760

2023.07.25

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

618

2023.07.31

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

1264

2023.08.03

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

548

2023.08.04

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

578

2023.08.04

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

708

2023.08.11

高德地图升级方法汇总
高德地图升级方法汇总

本专题整合了高德地图升级相关教程,阅读专题下面的文章了解更多详细内容。

9

2026.01.16

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
最新Python教程 从入门到精通
最新Python教程 从入门到精通

共4课时 | 1.9万人学习

Django 教程
Django 教程

共28课时 | 3.1万人学习

SciPy 教程
SciPy 教程

共10课时 | 1.1万人学习

关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号