[發明專利]基因脫靶預測模型訓練方法、預測方法、裝置及電子設備

在審

• 申請號: 202210068027.9
• 申請日: 2022-01-20
• 公開（公告）號: CN114334007A
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 許振雷;趙沛霖
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G16B30/10
• 分類號: G16B30/10;G16B40/20;G16B40/30
• 代理公司: 深圳市智圈知識產權代理事務所(普通合伙) 44351
• 代理人: 韓紹君

本申請公開了一種基因脫靶預測模型訓練方法、預測方法、裝置及電子設備，通過按照目標切分方式對每條第一樣本基因序列進行切分處理，得到每條第一樣本基因序列各自包括的多個堿基組，對每條第一樣本基因序列中的至少一個堿基組進行掩碼處理得到每條第一樣本基因序列各自對應的訓練基因序列，并利用每條第一樣本基因序列及其各自對應的訓練基因序列，對預測模型進行預訓練，以及利用第二樣本集合中包括的多組樣本序列以及每組樣本序列對應的相似度標簽，對預訓練后的預測模型進行微調訓練，得到目標預測模型，目標預測模型用于預測兩條基因序列的相似度，兩條基因序列的相似度用于表征基因脫靶的概率，從而可以實現對基因脫靶概率的準確預測。

技術領域

本申請涉及計算機技術領域，更具體地，涉及一種基因脫靶預測模型訓練 方法、預測方法、裝置及電子設備。

背景技術

基因是產生一條多肽鏈或功能RNA所需的全部核苷酸序列，儲存著生命 的孕育、生長、凋亡等過程的全部信息。隨著科學技術的發展，科學家們從 讀取基因信息轉換為修改基因信息也就是基因編輯。基因編輯技術是對生物 體DNA斷裂的現象及其修復機制的應用。作為一種常見的分子生物學事件， 在分裂活躍的哺乳動物細胞中，DNA雙鏈斷裂(DNAdouble-strand breaks， DSBs)每天會發生。DSBs發生后細胞可以通過多種方式進行修復包括刪除、 添加。但是由于基因的復雜性，刪除或者添加很容易產生危險，例如，當目 標是修復某個基因點，可是卻作用了別的基因點，那么就發生了脫靶。

目前，脫靶可引起非預期的基因突變，甚至導致癌變發生，因此，脫靶 都是影響臨床治療效果和實驗結果可靠性的關鍵。導致脫靶的發生可能是基 因組中的基因序列的容錯性，即基因序列不僅能與完全互補配對的靶點相結 合并切割，同時也會與基因組上其他相似序列結合而發生切割，因此，準確 預測出基因組中的基因在進行基因編輯過程中發生脫靶的概率，從而避免基 因組中的某一基因序列與該基因組中其他基因序列結合而發生切割的概率是 亟待解決的技術問題。

發明內容

鑒于上述問題，本申請實施例提出了一種基因脫靶預測模型訓練、預測方法、 裝置及電子設備，以改善上述問題。

第一方面，本申請實施例提供了一種基因脫靶預測模型訓練方法，所述方 法包括：獲取第一樣本集合和第二樣本集合，所述第一樣本集合中包括多條第 一樣本基因序列，所述第二樣本集合中包括多組樣本序列和每組樣本序列對應 的相似度標簽，每組樣本序列由兩條第二樣本基因序列構成；按照目標切分方 式對每條所述第一樣本基因序列進行切分處理，得到每條所述第一樣本基因序 列各自包括的多個堿基組，每個堿基組中包括至少一個堿基；對每條所述第一 樣本基因序列中的至少一個堿基組進行掩碼處理得到每條第一樣本基因序列各 自對應的訓練基因序列，并利用每條所述第一樣本基因序列以及每條第一樣本 基因序列各自對應的訓練基因序列，對預測模型進行預訓練，得到預訓練后的 預測模型；利用所述第二樣本集合中包括的多組樣本序列以及每組樣本序列對 應的相似度標簽，對所述預訓練后的預測模型進行微調訓練，得到目標預測模 型，其中，所述目標預測模型用于預測兩條基因序列的相似度，所述兩條基因 序列的相似度用于表征基因脫靶的概率。

第二方面，本申請實施例提供了一種基因脫靶預測方法，所述方法包括： 獲取待預測基因序列組，所述待預測基因序列組包括兩條基因序列；將所述待 預測基因序列組輸入至利用上述的基因脫靶預測模型訓練方法獲得的目標預測 模型，得到所述待預測基因序列組中的兩條基因序列的相似度，該相似度用于 表征所述待預測基因序列組中的兩條基因序列中的基因脫靶的概率。