[發明專利]一種基于信息熵的基因序列數字化實現方法及系統

在審

• 申請號: 201910133090.4
• 申請日: 2019-02-22
• 公開（公告）號: CN109903812A
• 公開（公告）日: 2019-06-18
• 發明（設計）人: 李君一;張麗;平原;李輝年;許清哲;王榮杰;劉博;王亞東
• 申請（專利權）人: 哈爾濱工業大學(深圳)
• 主分類號: G16B25/10
• 分類號: G16B25/10;G16B40/10
• 代理公司: 深圳市道勤知酷知識產權代理事務所(普通合伙) 44439
• 代理人: 何兵;饒盛添

1.一種基于信息熵的基因序列數字化實現方法，其特征在于，包括：

輸入脫氧核糖核酸DNA序列，設定滑動窗口的長度1及子串長度n；

根據所述設定的滑動窗口的長度1，從所述輸入的脫氧核糖核酸DNA序列的第一個堿基開始，步長為1；

計算所述設定的滑動窗口內的給定子串長度下的拓撲熵大小，賦值給所述設定的滑動窗口內的堿基；

重復計算所述設定的滑動窗口內的給定子串長度下的拓撲熵大小，賦值給所述設定的滑動窗口內的堿基，直到到達所述輸入的脫氧核糖核酸DNA序列的最后一個堿基位置；

輸出得到同所述輸入的脫氧核糖核酸DNA序列長度的數字序列。

2.如權利要求1所述的基于信息熵的基因序列數字化實現方法，其特征在于，所述計算所述設定的滑動窗口內的給定子串長度下的拓撲熵大小，包括：

根據原始脫氧核糖核酸DNA序列ω剪切長度為n_ω的脫氧核糖核酸DNA序列；

遍歷ω序列，i從n-k+1循環到k，并同時保存子串長度為i的不同子串數目；

如果子串長度為i的子串數目小于則不保存所述子串數目；

計算對應子串長度為i的拓撲熵

根據所述計算得到的對應子串長度為i的拓撲熵求得廣義拓撲熵H_GT(ω)。

3.如權利要求2所述的基于信息熵的基因序列數字化實現方法，其特征在于，所述根據所述計算得到的對應子串長度為i的拓撲熵求得廣義拓撲熵H_GT(ω)，包括：

根據所述計算得到的對應子串長度為i的拓撲熵假設脫氧核糖核酸DNA序列ω是一個由A、C、G、T四個字符組成的無限長序列，求得廣義拓撲熵H_GT(ω)為：

其中，i為子串長度，P_ω(i)為序列ω中長度為i的不同子序列子串的個數，α_i^k表示當子串長度為i時的廣義拓撲熵權重，k為給定的權重計算個數，也是子串長度變化數量：

且

其中，需滿足對任意的ε＞0及任意I，存在K使得所有k≤K，滿足

4.如權利要求2所述的基于信息熵的基因序列數字化實現方法，其特征在于，所述根據所述計算得到的對應子串長度為i的拓撲熵求得廣義拓撲熵H_GT(ω)，包括：

根據所述計算得到的對應子串長度為i的拓撲熵假設脫氧核糖核酸DNA序列ω是長度為|ω|的有限序列，令n_ω為所述序列的最長子串長度且滿足k為指定的子串長度變化數量并且k≤n，通過截取序列ω的前個字符，求得廣義拓撲熵H_GT(ω)為：

其中，i為子串長度，P_ω(i)為序列ω中長度為i的不同子序列子串的個數，α_i^k表示當子串長度為i時的廣義拓撲熵權重，k為給定的權重計算個數。

5.如權利要求2所述的基于信息熵的基因序列數字化實現方法，其特征在于，所述根據所述計算得到的對應子串長度為i的拓撲熵求得廣義拓撲熵H_GT(ω)，包括：

根據所述計算得到的對應子串長度為i的拓撲熵假設同對DNA序列ω，求得廣義拓撲熵H_GT(ω)為：：

其中，i為子串長度，P_ω(i)為序列ω中長度為i的不同子序列子串的個數，α_i^k表示當子串長度為i時的廣義拓撲熵權重，k為給定的權重計算個數。