[發(fā)明專利]一種基于動態(tài)卷積網(wǎng)絡(luò)的微生物基因序列分類模型的方法

在審

• 申請?zhí)枺?/td>: 201710609781.8
• 申請日: 2017-07-25
• 公開（公告）號: CN108009402A
• 公開（公告）日: 2018-05-08
• 發(fā)明（設(shè)計）人: 段大高;趙振東;韓忠明
• 申請（專利權(quán)）人: 北京工商大學(xué)
• 主分類號: G06F19/24
• 分類號: G06F19/24
• 代理公司: 北京慧泉知識產(chǎn)權(quán)代理有限公司 11232
• 代理人: 李娜

本發(fā)明一種基于動態(tài)卷積網(wǎng)絡(luò)的微生物基因序列分類模型的方法：步驟一：獲取已有分類結(jié)果的微生物基因序列數(shù)據(jù)；步驟二：數(shù)據(jù)預(yù)處理；步驟三：構(gòu)建動態(tài)卷積網(wǎng)絡(luò)結(jié)構(gòu)框架；步驟四：把準備好的數(shù)據(jù)輸入步驟三建立的動態(tài)卷積網(wǎng)絡(luò)，用反向傳播，隨機梯度下降法迭代100次，訓(xùn)練動態(tài)卷積網(wǎng)絡(luò)；以多分類交叉熵為代價函數(shù)，最終得到分類算法模型；步驟五：將需要分類的分詞序列輸入到步驟四已訓(xùn)練好的動態(tài)卷積網(wǎng)絡(luò)模型，得到分類結(jié)果。本發(fā)明方法不用人工處理數(shù)據(jù)和抽取特征，模型自動抽取抽象特征完成分類任務(wù)，算法效率和準確度高，可有效應(yīng)用于生物信息分析與處理。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于動態(tài)卷積網(wǎng)絡(luò)的微生物基因序列分類模型的方法，它應(yīng)用于微生物基因序列分類識別，屬于數(shù)據(jù)挖掘與生物信息技術(shù)領(lǐng)域。

背景技術(shù)

DNA序列數(shù)據(jù)是生物信息學(xué)的主要研究對象之一。通過分析DNA序列，可以了解序列之間的潛在結(jié)構(gòu)和功能關(guān)系。DNA序列的數(shù)據(jù)量呈指數(shù)增長，如果可以用現(xiàn)代計算機分析這些巨大的數(shù)據(jù)來幫助我們了解DNA，這是非常好的。DNA序列分類遵循具有相似結(jié)構(gòu)的序列也具有相似功能的原理。傳統(tǒng)上通過使用序列比對方法(如BLAST和FASTA)建立序列相似性。這個選擇是有兩個主要假設(shè)：(1)功能要素共享共同序列特征，(2)功能元素的相對順序在不同的間接條件之間是保守的。雖然這些假設(shè)在廣泛的情況下是有效的，但它們并不普遍。無論如何，盡管最近的這些問題，嚴重限制對齊方法應(yīng)用的關(guān)鍵問題仍然是他們計算時間的復(fù)雜性。因此，最近開發(fā)的無對齊方法已經(jīng)成為研究基因組分析的有效方法。在無對齊方法中把序列考慮成K-mer集合，然后通過分析每個序列中K-mer分布特性，尋找到有效特征然后用傳統(tǒng)的分類方法將序列分類。而基因序列分類中，特征選取和分析常常是費時又費力，而且效果還不確定。

目前，基于深度學(xué)習(xí)的模型算法在圖像識別和自然語言處理等領(lǐng)域中取得了很好的效果，而且越來越受到重視。本方法主要基于深度學(xué)習(xí)中動態(tài)卷積網(wǎng)絡(luò)實現(xiàn)基于序列的分類。由于深度學(xué)習(xí)本身會提取高水平抽象特征，從而省去了傳統(tǒng)機器學(xué)習(xí)算法中的特征工程過程，從而極大的提升了問題解決的效率，而且準確度已經(jīng)達到非常高的水平。

發(fā)明內(nèi)容

1、目的：

本發(fā)明目的是提供一種基于動態(tài)卷積網(wǎng)絡(luò)的微生物基因序列分類模型的方法，可以有效的分類微生物基因序列，從而提高微生物分析效率和水平。

本發(fā)明的原理是：首先進行基因序列處理，對某個微生物的基因序列文本進行分詞，獲取分詞結(jié)果并作為算法模型輸入，算法模型會根據(jù)分詞結(jié)果，首先將序列分詞通過詞嵌入技術(shù)將基因序列轉(zhuǎn)化為向量矩陣，在模型的卷積層，通過一維卷積核對詞嵌入矩陣進行卷積，第一層卷積設(shè)為12個通道，卷積層后數(shù)據(jù)進入動態(tài)池化層，動態(tài)池化層會根據(jù)輸入序列的長度和當前的卷積層數(shù)確定池化域的大小，以最大化保留序列的有效信息。最后在折疊層，把矩陣降維，在全連接層把動態(tài)卷積網(wǎng)絡(luò)提取序列抽象特征進行分類。

2、技術(shù)方案：本發(fā)明提供的技術(shù)方案如下：

本發(fā)明是一種基于動態(tài)卷積網(wǎng)絡(luò)的微生物基因序列分類模型的方法，如圖2所示，該方法具體步驟如下：

步驟一：獲取已有分類結(jié)果的微生物基因序列數(shù)據(jù)。

步驟二：數(shù)據(jù)預(yù)處理：

1)刪除基因序列中非法字符；

2)將不同的分類類別屬性進行one-hot編碼；

3)把基因序列按8個字符切分成詞序列；

4)把整理好的序列文本集按對應(yīng)的分類標簽分成門(phylum)，綱(class)，目(order)科(family)，分成四個分類級別數(shù)據(jù)

步驟三：構(gòu)建動態(tài)卷積網(wǎng)絡(luò)結(jié)構(gòu)框架，如附圖(1)；