[發(fā)明專利]一種基于評分機制與LightGBM的CircRNA功能預測方法

在審

• 申請?zhí)枺?/td>: 201910246871.4
• 申請日: 2019-09-17
• 公開（公告）號: CN112530520A
• 公開（公告）日: 2021-03-19
• 發(fā)明（設(shè)計）人: 鄧怡云;王高平;戴憲華
• 申請（專利權(quán)）人: 中山大學
• 主分類號: G16B20/30
• 分類號: G16B20/30;G16B30/00;G16B40/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于評分機制與LightGBM的CircRNA功能預測方法，其特征在于：

此種方法包括了LightGBM算法和評分機制，并且首次提出利用機器學習的方法，將circRNA在生物體內(nèi)所表達的功能進行分類預測，利用了lightGBM算法并與評分機制相結(jié)合對經(jīng)多特征融合方法處理的原始實驗驗證的大數(shù)據(jù)樣本進行訓練，最終將得到的模型用于后續(xù)新的circRNA的功能預測。

2.根據(jù)權(quán)利要求1所述的一種基于評分機制與LightGBM的CircRNA功能預測方法，其特征在于，包括以下步驟：

S1.將大數(shù)據(jù)樣本的circRNA以(.bed)文件形式輸入，其中包含染色體號、序列起始位點、正負鏈標記。

S2.將circRNA(.bed)文件根據(jù)起始位點等相關(guān)信息映射到全人類基因組(hg19版本)上。得到具體的circRNA序列信息(.fasta)文件。

S3.提出了一種特征融合算法，用于根據(jù)circRNA所表達的具體功能作為特征標簽，并且提取相應功能的表達過程中相關(guān)的所有特征作為特征向量，進行融合處理。如miRNA結(jié)合位點、甲基化、連接數(shù)等特征。

S4.將相關(guān)的特征輸入至判斷“編碼蛋白型”CircRNA的A類判決系統(tǒng)，并根據(jù)A類判決系統(tǒng)的流程將“編碼蛋白型”circRNA區(qū)分出來。

S5.在S4中判定為“非編碼蛋白型”的CircRNA，將繼續(xù)進入下一步的判決，分別經(jīng)過三個由lightGBM二分類算法所構(gòu)建的模型，依照順序判別CircRNA各項功能。經(jīng)過三個系統(tǒng)分別得到一個預測概率值。

S6.根據(jù)評分機制，將上述所得到的三個預測概率值，通過我們提出的B類判決系統(tǒng)中的“可信值計算”得到相應的分數(shù)，再通過評分機制輸出最終的circRNA功能分類預測結(jié)果。

S7.在整個過程中，對于三個lightGBM算法所構(gòu)建的二分類模型，我們通過調(diào)整樹的最大深度max_depth、葉子可能具有的最小記錄數(shù)min_data_in_leaf、每次迭代時用的數(shù)據(jù)比例bagging_fraction等參數(shù)，以獲取模型最佳參數(shù)。