孤儿基因又被称为谱系特有基因,是指在一个谱系中特有并且与其他谱系所有基因没有序列相似性的基因。孤儿基因在许多植物的环境适应性方面起着重要作用,对孤儿基因的识别是了解其生物学功能的关键一步。传统的生物学方法识别物种中的孤儿基因需要耗费大量的时间、物力和人力,同时容易受到计算方法的影响。因此,开发一种高效、高精度的孤儿基因识别计算方法具有重要意义。针对二分类任务,大多数传统机器学习模型的性能依赖于特征的质量,这往往要求研究人员有丰富的领域知识,同时人工构建的特征向量会丢失蛋白质序列中的原始信息。近些年来,在生物信息学领域,深度学习因为学习能力强、覆盖范围广、可移植性好等优势而被广泛应用。本研究旨在用深度学习模型从禾本科植物蛋白质序列中提取高阶特征,用以解决禾本科植物孤儿基因识别的问题。本文主要研究内容包括以下几个方面:1)基于传统生物学方法识别物种中孤儿基因所存在的问题,提出了基于循环神经网络和Transformer模型的禾本科植物孤儿基因识别方法。循环神经网络通过其独特的模型结构能够计算序列中各个观测值之间的相互信息。Transformer模型利用多头自注意力机制能够更好地处理蛋白质序列以及汇总序列中的依赖关系信息。通过对比不同模型在验证集和独立测试集上的性能发现Transformer模型的性能要优于循环神经网络模型,该结果显示了Transformer模型提取的特征要比循环神经网络模型提取的特征更加能够分辨出孤儿基因。2)由于Transformer中多头自注意力机制计算的复杂性,导致模型在处理长序列时效率低下。基于此问题提出了CNN-Transformer模型用于处理禾本科植物孤儿基因识别问题,该模型由两个多核一维卷积层和一个Transformer层构成。相较于Transformer模型,CNN-Transformer中的一维卷积层能够提取蛋白质序列中的k-mers特征从而减少蛋白质序列的长度,Transformer层能够捕获kmers特征与特征之间的相互关系。由实验结果可知,CNN-Transformer在三个独立测试集上的平衡准确率BA值都是最高的,分别达到了0.901、0.906和0.880。针对同样的测试集,RNN,LSTM、GRU和Transformer模型的BA、GM、BM和MCC值均低于CNN-Transformer模型。以上结果可知CNN-Transformer的模型结构能够有效的解决Transformer模型所存在的缺点。3)设计开发了禾本科植物孤儿基因识别系统,该系统基于Vue和ElementUI编写了前端框架,Spring Boot和IDEA实现后端代码,My SQL做数据持久化存储。系统集成了禾本科植物孤儿基因识别,孤儿基因数据集下载两个功能模块,用户可通过该系统实现禾本科植物孤儿基因识别和对已发布的孤儿基因数据集进行下载,本系统为孤儿基因的后续研究提供了技术支持。