[發(fā)明專利]一種宏基因組重疊群的無(wú)監(jiān)督分類方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201611201966.7
• 申請(qǐng)日: 2016-12-23
• 公開（公告）號(hào): CN106599618B
• 公開（公告）日: 2021-07-23
• 發(fā)明（設(shè)計(jì)）人: 劉云;劉富;侯濤;康冰;王柯;姜守坤;王婧媛
• 申請(qǐng)（專利權(quán)）人: 吉林大學(xué)
• 主分類號(hào): G16B40/20
• 分類號(hào): G16B40/20
• 代理公司: 吉林長(zhǎng)春新紀(jì)元專利代理有限責(zé)任公司 22100
• 代理人: 白冬冬

一種宏基因組重疊群的無(wú)監(jiān)督分類方法，屬于生物信息學(xué)分析技術(shù)領(lǐng)域。本發(fā)明的目的是通過對(duì)c?harmonic均值算法進(jìn)行改進(jìn)后對(duì)宏基因組重疊群進(jìn)行無(wú)監(jiān)督分類的方法。本發(fā)明的步驟是重疊群數(shù)據(jù)的獲取；特征向量的建立；通過考慮各個(gè)類的體量構(gòu)建了代價(jià)函數(shù)；根據(jù)聚類中心計(jì)算公式計(jì)算聚類中心；利用隸屬度矩陣公式更新隸屬度矩陣。本發(fā)明提出的改進(jìn)的模糊c?harmonic均值算法能夠有效地改善傳統(tǒng)方法對(duì)于不平衡數(shù)據(jù)集效果不理想的缺點(diǎn)，將其應(yīng)用到重疊群的無(wú)監(jiān)督分類中可以提高分類精度，為宏基因組中物種多樣性的分析提供更好的基礎(chǔ)。

技術(shù)領(lǐng)域

本發(fā)明屬于生物信息學(xué)分析技術(shù)領(lǐng)域。

背景技術(shù)

與傳統(tǒng)的基因組學(xué)研究相比，宏基因組學(xué)技術(shù)的優(yōu)點(diǎn)在于無(wú)需經(jīng)過實(shí)驗(yàn)室培養(yǎng)而能夠獲得環(huán)境中絕大部分的遺傳物質(zhì)，這樣就可以分析環(huán)境中物種之間以及物種與環(huán)境之間的關(guān)系。然而，宏基因組原始數(shù)據(jù)是大量的、長(zhǎng)度很短的的DNA片段(reads)。研究人員可以根據(jù)DNA片段之間的重疊關(guān)系將其組裝成長(zhǎng)度較長(zhǎng)的DNA序列，生物信息學(xué)中稱之為重疊群(contigs)。將這些重疊群按照其物種歸屬進(jìn)行分類是分析宏基因組中物種多樣性的基礎(chǔ)。

然而，由于物種間的不同基因組長(zhǎng)度以及物種間的不同豐度，在宏基因組數(shù)據(jù)中，不同物種所包含的重疊群的數(shù)量往往相差很大。因此，宏基因組重疊群數(shù)據(jù)是一種典型的不平衡數(shù)據(jù)集。如何這種數(shù)據(jù)集進(jìn)行有效地分類，是目前的一個(gè)難題。

模糊c-harmonic均值算法是一種常用的無(wú)監(jiān)督分類方法，其在模糊c均值算法的代價(jià)函數(shù)中使用了調(diào)和平均數(shù)，使得其具有對(duì)處置不敏感的優(yōu)點(diǎn)。然而，該方法對(duì)不平衡數(shù)據(jù)的聚類效果較差。基于此，本發(fā)明提出了一種基于改進(jìn)的模糊c-harmonic均值算法的宏基因組重疊群的無(wú)監(jiān)督分類方法。

發(fā)明內(nèi)容

本發(fā)明的目的是通過對(duì)c-harmonic均值算法進(jìn)行改進(jìn)后對(duì)宏基因組重疊群進(jìn)行無(wú)監(jiān)督分類的方法。

本發(fā)明的步驟是：

①重疊群數(shù)據(jù)的獲取；

②特征向量的建立；

③通過考慮各個(gè)類的體量構(gòu)建了代價(jià)函數(shù)，定義為：

其中f_j為第j個(gè)類的體量，定義為所有樣本屬于該類的隸屬度值之和：

滿足

一、隸屬度矩陣u_rs，r＝1，2，...，N，s＝1，2，...，c的求解過程為：

①根據(jù)約束條件構(gòu)造拉格朗日函數(shù)：

②求J對(duì)于u_rs的偏導(dǎo)數(shù)：

③令可得：

④根據(jù)約束條件可得：

⑤可求得：

⑥將λr的計(jì)算公式帶入到公式(5)中，可得：

二、聚類中心θ_j，j＝1，...，c的推導(dǎo)過程為：

①求J_NEW對(duì)于θ_j的偏導(dǎo)數(shù)：

②采用歐式距離，因此d_ij＝||x_i-θ_j||，可得：