[發(fā)明專利]甲基化測序數(shù)據(jù)的處理方法和裝置

有效

• 申請?zhí)枺?/td>: 202110232548.9
• 申請日: 2021-03-02
• 公開（公告）號: CN112599194B
• 公開（公告）日: 2021-06-22
• 發(fā)明（設(shè)計(jì)）人: 樓峰;周濤;張萌萌;郭璟;曹善柏
• 申請（專利權(quán)）人: 北京橡鑫生物科技有限公司;天津橡鑫生物科技有限公司;北京橡鑫醫(yī)學(xué)科技有限公司
• 主分類號: G16B20/30
• 分類號: G16B20/30
• 代理公司: 北京康信知識產(chǎn)權(quán)代理有限責(zé)任公司 11240
• 代理人: 路秀麗

本發(fā)明提供了一種甲基化測序數(shù)據(jù)的處理方法和裝置。該處理方法包括：通過變分自動編碼的方法建立甲基化測序數(shù)據(jù)的預(yù)測模型；將待測樣本的甲基化測序數(shù)據(jù)輸入預(yù)測模型；輸出預(yù)測結(jié)果。通過變分自動編碼的方法建立甲基化測序數(shù)據(jù)的預(yù)測模型，利用變分自動編碼器的優(yōu)勢，將甲基化測序的原始數(shù)據(jù)轉(zhuǎn)換成另一組數(shù)據(jù)，轉(zhuǎn)換后的這組數(shù)據(jù)更符合某種特征分布規(guī)律，進(jìn)而能更準(zhǔn)確地建立與表型之間的相關(guān)性，進(jìn)而得到的預(yù)測模型預(yù)測結(jié)果也更準(zhǔn)確。

技術(shù)領(lǐng)域

本發(fā)明涉及生物信息領(lǐng)域，具體而言，涉及一種甲基化測序數(shù)據(jù)的處理方法和裝置。

背景技術(shù)

DNA甲基化（DNAm）是基因表達(dá)程序的表觀遺傳調(diào)控因子，可因環(huán)境暴露，衰老和發(fā)病機(jī)理改變而改變。通常情況下全基因組甲基化測序采用基因芯片技術(shù)進(jìn)行，計(jì)算每個(gè)CpG靶標(biāo)的甲基化比例，以beta值表示。

傳統(tǒng)方法將DNAm變化與表型數(shù)據(jù)相關(guān)聯(lián)，進(jìn)行表觀遺傳學(xué)的研究。盡管DNAm數(shù)據(jù)具有與基因型數(shù)據(jù)相似的功能，由于DNAm beta值的連續(xù)性、高維度等特性，在使用DNAm數(shù)據(jù)進(jìn)行分析時(shí)面臨多重假設(shè)檢驗(yàn)和多重共線性等困擾。為了應(yīng)對這些問題，許多下游EWAS（Epigenome-Wide Association Study，表觀基因組關(guān)聯(lián)分析）分析都集中于將數(shù)據(jù)特征維度縮減為與結(jié)果相關(guān)聯(lián)的集合，通過降維和特征選擇來限制特征的數(shù)量，使分析變得更易于計(jì)算，并且減輕多重比較的問題。

以往機(jī)器學(xué)習(xí)方法應(yīng)用甲基化原始數(shù)據(jù)分析甲基化狀態(tài)、進(jìn)行分類和回歸分析。但現(xiàn)有的這些方法仍存在結(jié)果準(zhǔn)確性低的問題。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于提供一種甲基化測序數(shù)據(jù)的處理方法和裝置，以解決現(xiàn)有技術(shù)中處理結(jié)果準(zhǔn)確性相對較低的問題。

為了實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明的一個(gè)方面，提供了一種甲基化測序數(shù)據(jù)的處理方法，該處理方法包括：通過變分自動編碼的方法建立甲基化測序數(shù)據(jù)的預(yù)測模型；將待測樣本的甲基化測序數(shù)據(jù)輸入預(yù)測模型；輸出預(yù)測結(jié)果。

進(jìn)一步地，通過變分自動編碼的方法建立甲基化測序數(shù)據(jù)的預(yù)測模型包括：采用變分自動編碼器將已知數(shù)據(jù)庫中的甲基化測序數(shù)據(jù)轉(zhuǎn)換為擬真數(shù)據(jù)；利用擬真數(shù)據(jù)進(jìn)行模型預(yù)訓(xùn)練，得到預(yù)訓(xùn)練模型；在模型預(yù)訓(xùn)練過程中對預(yù)訓(xùn)練模型的超參數(shù)進(jìn)行自動選擇，篩選出最優(yōu)模型，作為預(yù)測模型。

進(jìn)一步地，在模型預(yù)訓(xùn)練過程中還包括修改預(yù)訓(xùn)練模型的結(jié)構(gòu)，選擇性載入預(yù)訓(xùn)練模型的權(quán)重后，再對預(yù)訓(xùn)練模型重新進(jìn)行模型預(yù)訓(xùn)練。

進(jìn)一步地，采用微調(diào)編碼器對預(yù)訓(xùn)練模型進(jìn)行結(jié)構(gòu)調(diào)整，選擇性載入預(yù)訓(xùn)練模型的權(quán)重；在采用微調(diào)編碼器對對預(yù)訓(xùn)練模型進(jìn)行結(jié)構(gòu)調(diào)整，選擇性載入預(yù)訓(xùn)練模型的權(quán)重之后，處理方法還包括對超參數(shù)進(jìn)行自動選擇，從而篩選出最優(yōu)模型作為預(yù)測模型。

進(jìn)一步地，已知數(shù)據(jù)庫為TCGA數(shù)據(jù)庫，通過變分自動編碼的方法建立甲基化測序數(shù)據(jù)的預(yù)測模型包括：從TCGA數(shù)據(jù)庫中選擇目的表型的甲基化測序數(shù)據(jù)，并拆分為訓(xùn)練集和驗(yàn)證集；利用變分自動編碼器將訓(xùn)練集和驗(yàn)證集中的甲基化測序數(shù)據(jù)轉(zhuǎn)換為擬真數(shù)據(jù)集；并利用訓(xùn)練集的擬真數(shù)據(jù)集進(jìn)行模型預(yù)訓(xùn)練，優(yōu)選預(yù)訓(xùn)練過程中采用超參數(shù)自動選擇，得到預(yù)訓(xùn)練模型；利用驗(yàn)證集的擬真數(shù)據(jù)對預(yù)訓(xùn)練模型進(jìn)行驗(yàn)證，并采用微調(diào)編碼器對預(yù)訓(xùn)練模型進(jìn)行調(diào)整，調(diào)整包括對預(yù)訓(xùn)練模型執(zhí)行自動超參數(shù)掃描，自動調(diào)整模型的超參數(shù)選擇，從而選擇最優(yōu)模型作為預(yù)測模型。

在本申請的第二個(gè)方面，提供了一種甲基化測序數(shù)據(jù)的處理裝置，該處理裝置包括：模型建立模塊，用于通過變分自動編碼的裝置建立甲基化測序數(shù)據(jù)的預(yù)測模型；數(shù)據(jù)輸入模塊，用于將待測樣本的甲基化測序數(shù)據(jù)輸入預(yù)測模型；結(jié)果輸出模塊，用于輸出預(yù)測結(jié)果。

進(jìn)一步地，模型建立模塊包括：數(shù)據(jù)轉(zhuǎn)換模塊，數(shù)據(jù)轉(zhuǎn)換模塊為變分自動編碼器，用于將已知數(shù)據(jù)庫中的甲基化測序數(shù)據(jù)轉(zhuǎn)換為擬真數(shù)據(jù)；訓(xùn)練模塊，用于利用擬真數(shù)據(jù)進(jìn)行模型預(yù)訓(xùn)練，得到預(yù)訓(xùn)練模型；調(diào)整模塊，調(diào)整模塊包括自動超參數(shù)掃描模塊，用于在模型預(yù)訓(xùn)練過程中對預(yù)訓(xùn)練模型的超參數(shù)進(jìn)行自動選擇，篩選出最優(yōu)模型，作為預(yù)測模型。