[發明專利]基因數據處理方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202110049631.2
• 申請日: 2021-01-14
• 公開（公告）號: CN114765062A
• 公開（公告）日: 2022-07-19
• 發明（設計）人: 冀顏
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G16B20/00
• 分類號: G16B20/00
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 祝亞男

本申請公開了一種基因數據處理方法、裝置、計算機設備及存儲介質，屬于計算機技術領域。本申請通過待測基因的基因功能查詢請求，能夠調用與待測基因所屬的細胞類型相對應的基因關聯模型，挖掘出待測基因與已知的候選基因之間的非線性關聯程度，并利用非線性關聯程度較高的候選基因來標注待測基因的功能注釋信息，這種調用基因關聯模型提取非線性關系的方式，與傳統統計學中提取線性關系的方式完全不同，能夠深度挖掘出與待測基因之間相似度更高的候選基因，這種相似度并非線性相似度而是隱式的非線性相似度，因此大大提升了基因數據處理過程的準確性。

技術領域

本申請涉及計算機技術領域，特別涉及一種基因數據處理方法、裝置、計算機設備及存儲介質。

背景技術

隨著計算機技術的發展，基因測序技術逐漸廣泛地應用于生物、醫療、健康、刑偵、農業等許多領域，在基因測序技術中涉及到判斷基因表達數據集中各個基因的功能。

目前，需要計算兩兩基因表達量的相關系數，查找與待測基因具有顯著關聯的一組基因集合，基于這組基因集合，利用一些統計方法(例如Fisher’s Exact Test，費希爾精確檢驗)搜索已知基因集合注釋庫，根據這組基因集合的注釋信息，標注待測基因可能參與的生物學通路等各種表型描述。

在上述過程中，對待測基因進行功能注釋時，關鍵步驟是找到具有顯著關聯的一組基因集合，在生物信息學中，計算兩個基因表達量的相關系數有多種方式，這些方式主要度量兩組向量的線性關系，但基因表達量之間更多地是具有非線性關系，導致對基因數據處理過程的準確性差。

發明內容

本申請實施例提供了一種基因數據處理方法、裝置、計算機設備及存儲介質，能夠提升基因數據處理過程的準確性。該技術方案如下：

一方面，提供了一種基因數據處理方法，該方法包括：

基于待測基因的基因功能查詢請求，確定所述待測基因所對應的細胞類型；

獲取所述細胞類型對應的單細胞表達數據集以及所述細胞類型所對應的基因關聯模型，所述基因關聯模型用于獲取所述待測基因與所述單細胞表達數據集中屬于所述細胞類型的候選基因之間的非線性關聯程度；

調用所述基因關聯模型對所述待測基因進行處理，得到所述待測基因分別與所述單細胞表達數據集中屬于所述細胞類型的多個候選基因之間的非線性關聯程度；

輸出非線性關聯程度符合第一目標條件的候選基因的功能注釋信息，所述第一目標條件用于表示所述非線性關聯程度大于或等于關聯程度閾值。

一方面，提供了一種基因數據處理裝置，該裝置包括：

第一確定模塊，用于基于待測基因的基因功能查詢請求，確定所述待測基因所對應的細胞類型；

第一獲取模塊，用于獲取所述細胞類型對應的單細胞表達數據集以及所述細胞類型所對應的基因關聯模型，所述基因關聯模型用于獲取所述待測基因與所述單細胞表達數據集中屬于所述細胞類型的候選基因之間的非線性關聯程度；

處理模塊，用于調用所述基因關聯模型對所述待測基因進行處理，得到所述待測基因分別與所述單細胞表達數據集中屬于所述細胞類型的多個候選基因之間的非線性關聯程度；

輸出模塊，用于輸出非線性關聯程度符合第一目標條件的候選基因的功能注釋信息，所述第一目標條件用于表示所述非線性關聯程度大于或等于關聯程度閾值。

在一種可能實施方式中，所述處理模塊用于：

基于所述待測基因和所述多個候選基因，構建多個基因對，所述多個基因對中的任一基因對包括所述待測基因和所述多個候選基因中的任一候選基因；