[發(fā)明專利]基于集成學習的全球人類mtDNA發(fā)育樹分類查詢方法

有效

• 申請?zhí)枺?/td>: 201711426265.8
• 申請日: 2017-12-26
• 公開（公告）號: CN108052796B
• 公開（公告）日: 2021-07-13
• 發(fā)明（設(shè)計）人: 周維;彭旻晟;賈俊燕;王文智;向文坤;張亞平
• 申請（專利權(quán)）人: 云南大學
• 主分類號: G16B20/20
• 分類號: G16B20/20;G16B20/30;G16B30/10;G16B40/00;G06F16/28;G06K9/62
• 代理公司: 成都行之專利代理事務(wù)所(普通合伙) 51220
• 代理人: 溫利平;陳靚靚

本發(fā)明公開了一種基于集成學習的全球人類mtDNA發(fā)育樹分類查詢方法，采用人工測得的mtDNA數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類器，采用mtDNA發(fā)育樹數(shù)據(jù)計算樸素貝葉斯分類器的參數(shù)，將待分類查詢的mtDNA的變異位點序列輸入神經(jīng)網(wǎng)絡(luò)分類器，得到前Q個可能分類，將待分類查詢的mtDNA的變異位點序列和前Q個可能分類的所對應(yīng)的變異位點序列合并得到樸素貝葉斯分類器的輸入變異位點序列，并計算得到該輸入變異位點序列中各個變異位點的權(quán)重，通過樸素貝葉斯分類器得到前Q個可能分類，然后將兩組Q個可能分類的概率進行加權(quán)，得到前Q個可能分類作為最終分類結(jié)果。本發(fā)明綜合利用神經(jīng)網(wǎng)絡(luò)分類器和樸素貝葉斯分類器的優(yōu)勢，提高了全球人類mtDNA發(fā)育樹分類查詢的正確率。

技術(shù)領(lǐng)域

本發(fā)明屬于機器學習技術(shù)領(lǐng)域，更為具體地講，涉及一種基于集成學習的全球人類mtDNA發(fā)育樹分類查詢方法。

背景技術(shù)

我國是一個人口眾多的國家，基于這樣的大國基數(shù)，并且在歷史的長河中各地域不斷的交流融合，以及基于地緣關(guān)系的隔離和遷徙，逐漸形成了我國多民族的人口特色，為研究者提供了豐富多樣的基因?qū)殠臁５侨绾卫眠@樣的基因?qū)殠靵硌芯咳祟惼鹪矗w徙，發(fā)展以及遺傳結(jié)構(gòu)是我們面臨的一個問題。對于各族的起源、遷徙和進化的研究不僅是大的科學問題，還涉及到對各自民族的自我認同，都具有重要的人文內(nèi)涵。

從生物學角度來說，不同種族、不同民族、同一個種族但不屬于同一群體之間的差別，其實也可以說成是DNA分子的不同。原因在于線粒體基因組(mtDNA)的改變速度比核DNA快10～20倍，并且具有母系遺傳、缺乏重組、mtDNA分子呈環(huán)狀結(jié)構(gòu)、不易分解等特點，所以可以通過分析這些差異來探討不同人群的源流和遷移情況，而mtDNA也是在探討不同人群間的血緣關(guān)系和不同人群內(nèi)遺傳分化的一個好的遺傳標識。

二十世紀末，隨著專家對起源問題的深入研究，mtDNA問題逐漸進入了相關(guān)學者的視野。mtDNA主要有三個特點：母系遺傳方式嚴謹、重組方式缺乏、基于群體變異程度大。基于這樣的特點，mtDNA為研究人員提供了很好的遺傳標記，從而為人類親緣關(guān)系和群體內(nèi)遺傳分化的研究提供了標記基礎(chǔ)，進一步推動了這方面的研究。在進入二十一世紀后，研究人員展開了對全球不同國家不同民族的mtDNA序列的分析。基于PCR技術(shù)和DNA序列測定技術(shù)，如何發(fā)掘未知mtDNA信息并且快速地找到個體的mtDNA信息在全球人類mtDNA進化樹上所屬的分類也顯得至關(guān)重要。

就目前的全球人類mtDNA發(fā)育樹分類查詢方法而言，由于算法設(shè)計的問題，其正確率較低，難以滿足實際所需，并且無法更新數(shù)據(jù)，實用性不足。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于集成學習的全球人類mtDNA發(fā)育樹分類查詢方法，綜合利用神經(jīng)網(wǎng)絡(luò)分類器和樸素貝葉斯分類器的優(yōu)勢，提高分類查詢的準確率。

為實現(xiàn)上述發(fā)明目的，本發(fā)明基于集成學習的全球人類mtDNA發(fā)育樹分類查詢方法，包括以下步驟：

S1：人工測得若干mtDNA數(shù)據(jù)，每條數(shù)據(jù)包含mtDNA的變異位點序列及對應(yīng)的最有可能的分類，然后獲取全球人類mtDNA發(fā)育樹數(shù)據(jù)，包括分類信息及每個分類對應(yīng)的mtDNA變異位點序列；

S2：采用mtDNA數(shù)據(jù)中的變異位點序列作為輸入，對應(yīng)分類作為期望輸出，訓(xùn)練得到神經(jīng)網(wǎng)絡(luò)分類器；

S3：采用mtDNA發(fā)育樹數(shù)據(jù)計算得到樸素貝葉斯分類器的參數(shù)，包括第i個分類target_i出現(xiàn)的概率P(target_i)、第j個變異位點mutation_j在第i個分類target_i中出現(xiàn)的概率P(mutation_j|target_i)，i＝1,2,…,T，T表示分類數(shù)量，j＝1,2,…,M，M表示變異位點數(shù)量；