[發明專利]一種基于神經網絡的真實納米孔測序信號濾波方法及裝置

在審

• 申請號: 202011583559.3
• 申請日: 2020-12-28
• 公開（公告）號: CN112735524A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 陳為剛;張鵬;韓昌彩;趙毅強
• 申請（專利權）人: 天津大學合肥創新發展研究院
• 主分類號: G16B30/00
• 分類號: G16B30/00;G06K9/00;G06N3/04
• 代理公司: 合肥市浩智運專利代理事務所(普通合伙) 34124
• 代理人: 丁瑞瑞

1.一種基于神經網絡的真實納米孔測序信號濾波方法，其特征在于，所述方法包括以下步驟：

步驟一：在納米孔測序K-mer孔模型中輸入核苷酸序列將其轉換為與其對應的預期測序信號序列，將預期測序信號序列中的每個信號值重復多次生成待測真實測序信號序列；

步驟二：構建基于雙向門控循環單元神經網絡的真實測序信號處理模型，該信號處理模型包括三層雙向門控循環單元神經網絡和一層全連接層，其中信號處理模型的輸入為輸入到第一層雙向門控循環單元神經網絡的經中值歸一化的真實測序信號序列，信號處理模型的輸出為全連接層輸出的與輸入的待測真實測序信號序列等長的濾波信號序列；

步驟三：獲取納米孔測序平臺輸出的待訓練實際測序信號序列并根據待訓練實際測序信號序列計算每個待訓練實際測序信號序列所對應的待訓練真實測序信號序列，將待訓練實際測序信號序列和與其對應的待訓練真實測序信號序列作為信號處理模型參數訓練所需的監督訓練數據，構建信號處理模型的損失函數，進行信號處理模型參數的初始化，通過自適應優化器最小化損失函數實現模型參數的訓練；

步驟四：將待測真實測序信號序列輸入到完成參數訓練的信號處理模型中實現對待測真實測序信號序列的濾波處理。

2.根據權利要求1所述的一種基于神經網絡的真實納米孔測序信號濾波方法，其特征在于，所述步驟一包括：

步驟101：在納米孔測序K-mer孔模型中輸入一條具有T個堿基的核苷酸序列X＝x₁,x₂,...,x_T，x_T表示第T個堿基，從輸入核苷酸序列的第一個堿基開始，每次移動一個堿基取出一個K-mer，直到移動到倒數第K個堿基位置結束，T個堿基共得到T-K+1個K-mer；

步驟102：納米孔測序K-mer孔模型包含每個K-mer所對應的預期電流信號值，對照納米孔測序K-mer孔模型依次查找T-K+1個K-mer所對應的預期電流信號值，生成輸入核苷酸序列X對應的預期測序信號序列Y＝y₁,y₂,...,y_T-5，其中y_i表示從X中的位置i開始的K-mer所對應的預期電流信號值；

步驟103：根據實際測序信號序列中的信號值重復次數分布，將預期測序信號序列中的每個信號值重復多次，生成與實際測序信號序列之間具有相似長度分布的待測真實測序信號序列。