基因预测是基因组分析的重要内容之一,是理解基因调控与表达的关键环节。基因预测的准确度将直接影响后续的基因功能注释等任务的准确性。在很多情况下,鉴定基因功能的唯一办法是干扰目的基因来观测其对于表型的影响。然而,在过去的十年,基因预测的发展并没有引起足够的重视,一方面,大多数基因预测的方法都构建在上一代基因测序技术产生的数据集上,不仅数据量少,而且准确性难以保证;另一方面,有效的编码特征依然停留在少数的生物特征（如密码子、六聚体的使用频率等）。同时,由于编码特征往往具有非常复杂的非线性依赖关系,部分基因功能位点周围的保守性很差,导致现有的基因预测方法预测性能还有待进一步提升。随着下一代测序技术的快速发展,积累了大量的基因数据,大量的工作致力于从测序的数据中识别出基因突变,这些都使得寻求一种有效的基因预测方法变得十分的迫切。与此同时,深度学习的方法凭借其强大的端到端学习能力以及表示能力,已经成功应用到了包括图像视频自然语言等在内的多种数据中,并在相当一部分基因预测的应用中取得了不错的成绩。然而,现有的基于深度学习的基因预测方法很难充分地挖掘生物序列中的有用特征,一方面,生物序列上的基因存在很强的结构特征,如蛋白质编码区中的密码子是按照一定的顺序排列在一起的（密码子的连续性）,翻译起始位点位于非编码区到编码区的边界,且处于第一个阅读框,而这类方法忽略了或者未能充分地利用基因的这两种结构特征;另一方面,不同于图像数据,生物序列作为一种符号数据,具有很高的语义信息,生物特征之间往往存在着异质性,而这类方法只使用单一的数据表示方法和单一的计算模型很难全面细致地挖掘到这些特征。基于以上分析,本文以基因预测中的两个子任务蛋白质编码区预测和翻译起始位点预测为例,研究了深度学习如何结合基因的结构特征来进一步提升两个子任务的预测性能,具体包含以下三个方面的内容:1.针对存在的转录组序列蛋白质编码区预测方法忽略了蛋白质编码区的结构特征,提出了一种基于结构特征和双向跳跃循环神经网络的蛋白质编码区预测方法,该方法首次利用了密码子的连续性这一基因结构特征建模了编码区中的编码标签依赖性,并在网络结构中使用了跳跃连接的方式解决长距离位置标签信息传递问题。双向跳跃循环神经网络通过捕获相邻的两个位置传递的标签信息有效地学习出密码子的连续性这一结构特征,在人类和小鼠的转录组序列进行的测试表明,提出的方法显著提升了现有的蛋白质编码区预测方法的预测性能。2.在第一部分内容的基础上,将双向跳跃循环神经网络推广到基因组序列,并考虑到生物序列中编码特征的异质性,提出了一种基于混合编码和卷积-双向跳跃循环神经网络的蛋白质编码区预测方法。该方法首次使用卷积神经网络捕获基因序列的全局顺序信息,首次将流行的gapped kmer（gkm）特征引入蛋白质编码区预测。通过整合以上三种异质特征,提出的方法在人类和小鼠的基因组和转录组序列上取得了相比于现有方法最好的蛋白质编码区预测性能。3.针对目前大多数基于深度学习的翻译起始位点预测方法忽略了翻译起始位点周围的结构特征,无法充分利用编码特征这一局限性,提出了一种基于结构特征和深度学习的翻译起始位点预测新方法。该方法利用了翻译起始位点位于非编码区到编码区的边界,且处于第一个阅读框这一结构特征,通过依赖网络明确地建模了编码区和翻译起始位点的标签依赖性,并将编码特征（通过第二部分内容得到）融入卷积神经网络进行结构特征的学习。其次,在转录组的翻译起始位点预测中还融入了核糖体扫描模型和终止密码子周围的结构特征。在人类和小鼠的基因组和转录组序列进行的测试表明,提出的方法显著提升了现有的翻译起始位点预测方法的预测性能。以上三部分的内容都证实了,将基因的结构特征与深度学习进行有机结合,对于提升基因预测方法的预测性能具有十分重要的意义。同时,也证实了混合编码对于编码特征提取的有效性。