[發(fā)明專利]一種基于二次過濾的遺傳代謝病特異性指標(biāo)挖掘方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011137209.4
• 申請(qǐng)日: 2020-10-22
• 公開（公告）號(hào): CN112151193A
• 公開（公告）日: 2020-12-29
• 發(fā)明（設(shè)計(jì)）人: 尹建偉;林博;舒強(qiáng);李瑩;鄧水光;蔣萍萍
• 申請(qǐng)（專利權(quán)）人: 浙江大學(xué)
• 主分類號(hào): G16H50/80
• 分類號(hào): G16H50/80;G16H50/70;G16H50/50;G06N20/00
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 萬尾甜;韓介梅

1.一種基于二次過濾的遺傳代謝病特異性指標(biāo)挖掘方法，其特征在于，包括以下步驟：

步驟1，候選指標(biāo)集構(gòu)建：

1)根據(jù)臨床篩查指標(biāo)和篩查對(duì)象的信息，構(gòu)建兩組種子指標(biāo)集：A,B；其中A表示氨基酸指標(biāo)，B表示肉堿指標(biāo)；N(A)表示A包含的指標(biāo)個(gè)數(shù)，N(B)表示B包含的指標(biāo)個(gè)數(shù)；

2)對(duì)于種子指標(biāo)集A中的任意一個(gè)種子指標(biāo)A_i，其中1≤i≤N(A)，構(gòu)建A_i所屬的候選指標(biāo)集Cand(A_i)；其中Cand(A_i)的構(gòu)建方法為：(1)將A_i、A_i的平方、A_i的對(duì)數(shù)加入Cand(A_i)；(2)將A_i+A_j、A_i/A_j加入Cand(A_i)，其中A_j為A中除了A_i以外的N(A)-1個(gè)種子指標(biāo)；(3)將(A_i+A_j)/A_k、A_k/(A_i+A_j)加入Cand(A_i)，其中A_j為A中除了A_i以外的N(A)-1個(gè)種子指標(biāo)，A_k為A中除了A_i和A_j以外的N(A)-2個(gè)種子指標(biāo)；

3)對(duì)于種子指標(biāo)集B中的任意一個(gè)種子指標(biāo)B_i，其中1≤i≤N(B)，構(gòu)建B_i所屬的候選指標(biāo)集Cand(B_i)；其中Cand(B_i)的構(gòu)建方法為：(1)將B_i、B_i的平方、B_i的對(duì)數(shù)加入Cand(B_i)；(2)將B_i+B_j、B_i/B_j加入Cand(B_i)，其中B_j為B中除了B_i以外的N(B)-1個(gè)種子指標(biāo)；(3)將(B_i+B_j)/B_k、B_k/(B_i+B_j)加入Cand(B_i)，其中B_j為B中除了B_i以外的N(B)-1個(gè)種子指標(biāo)，B_k為B中除了B_i和B_j以外的N(B)-2個(gè)種子指標(biāo)；

4)最終一共獲得N(A)+N(B)組候選指標(biāo)集，共7*(N(A)+N(B))個(gè)候選指標(biāo)，包括Cand(A_i)和Cand(B_j)，其中1≤i≤N(A)，1≤j≤N(B)；

步驟2，候選指標(biāo)集過濾：

1)選取一個(gè)基于線性空間的機(jī)器學(xué)習(xí)算法，設(shè)定待優(yōu)化的目標(biāo)函數(shù)，使用構(gòu)建的所有候選指標(biāo)集進(jìn)行訓(xùn)練，其中設(shè)定待優(yōu)化的目標(biāo)函數(shù)為算法原目標(biāo)函數(shù)加上候選指標(biāo)集過濾函數(shù)CF：

其中W_i和W_j為候選指標(biāo)集Cand(A_i)和Cand(B_j)對(duì)應(yīng)的權(quán)重，‖·‖₂為二范數(shù)，N(·)為集合內(nèi)元素的個(gè)數(shù)；

步驟3，候選指標(biāo)集精煉：

1)對(duì)于步驟2得到的所有權(quán)重值‖W_*‖₂，選取前m％個(gè)權(quán)重值最小的候選指標(biāo)集；

2)對(duì)于選取的m％個(gè)候選指標(biāo)集中的所有指標(biāo)，根據(jù)精練函數(shù)RF計(jì)算每個(gè)指標(biāo)的特異性：

其中X為候選指標(biāo)集內(nèi)的一個(gè)指標(biāo)，Y為一種遺傳代謝病的診斷結(jié)論，‖W_X‖₂為X所在候選指標(biāo)集的權(quán)重值，Pr(x)和Pr(y)為邊緣概率，Pr(x,y)為聯(lián)合概率；

3)將特異性最小的n％個(gè)指標(biāo)從所在候選指標(biāo)集中剔除；

步驟4，特異性指標(biāo)迭代挖掘：

重復(fù)迭代步驟2與步驟3，直至剩余指標(biāo)數(shù)量為步驟1構(gòu)建得到的候選指標(biāo)的s％。

2.根據(jù)權(quán)利要求1所述的一種基于二次過濾的遺傳代謝病特異性指標(biāo)挖掘方法，其特征在于，所述的氨基酸指標(biāo)包括：ALA,ARG,CIT,GLU,LEU,MET,ORN,PHE,PRO,TYR,VAL；

所述的肉堿指標(biāo)包括：C0,C2,C3,C3DC+C4OH,C4,C4DC+C5OH,C5,C5:1,C5DC+C6OH,C6,C6DC,C8,C8:1,C10,C10:1,C10:2,C12,C12:1,C14,C14:1,C14:2,C14OH,C16,C16:1,C16OH,C16:1OH,C18,C18:1,C18:2,C18OH,C18:1OH。