[发明专利]一种基因数据处理方法及装置

说明书

技术领域

本发明涉及基因数据处理技术领域，尤其涉及一种基因数据处理方法及装置。

背景技术

DNA微阵列(基因芯片)技术是分子生物学领域的一项重大技术突破，被广泛应用于生物学和医学研究的各个领域，如大规模DNA测序、疾病诊断、基因调控与互作关系挖掘等。最小凸度绝对压缩选择算子(Least Absolute Shrinkage and Selection Operator，LASSO)是一种基于一范式的特征选择方法，用于描述一类有约束的优化问题。基本思想是在回归系数的绝对值之和小于一个常数的约束条件下，使残差平方和最小化，从而能够产生某些严格等于0的回归系数，得到可以解释的模型。

每个基因样本中都记录了组织细胞中所有可测基因的表达水平，但实际上只有少数基因才真正和样本类别相关，这些包含样本分类信息的基因被称为特征基因。特征基因的选取问题是基因表达谱数据分析的核心内容，目标是希望从微阵列实验中找出可能受疾病影响的基因，作为早期诊断的生物标记，并成功建立诊断模型。目前常用的基因数据处理方法中，样本基因数据选择的覆盖率低，特征基因选择的准确性低，测试样本和训练样本的选择对分类准确率的影响较大。

发明内容

本发明实施例提供一种基因数据处理方法及装置，可以提高特征基因选择的准确性、降低测试样本和训练样本的选择对分类准确率的影响。

本发明实施例提供了一种基因数据处理方法，其可包括：

接收参考人群的样本特征类型的基因数据，基于交叉验证方法，将所述基因数据分成测试数据和训练数据；

对所述基因数据进行去噪和标准化处理得到标准化基因数据；

使用最小凸度绝对压缩选择算子LASSO方法对所述标准化基因数据进行特征基因选择，得到特征基因数据；

将所述训练数据对应的特征基因数据注入分类器，对所述分类器进行训练，得到训练后分类器；

将所述测试数据对应的特征基因数据注入所述训练后分类器，得到所述测试数据对应的特征基因数据的分类结果。

本发明实施例提供了一种基因数据处理装置，其可包括：

接收单元，用于接收参考人群的样本特征类型的基因数据，基于交叉验证方法，将所述基因数据分成测试数据和训练数据；

预处理单元，用于对所述基因数据进行去噪和标准化处理得到标准化基因数据；

特征提取单元，用于使用最小凸度绝对压缩选择算子LASSO方法对所述标准化基因数据进行特征基因选择，得到特征基因数据；

训练单元，用于将所述训练数据对应的特征基因数据注入分类器，对所述分类器进行训练，得到训练后分类器；

分类单元，用于将所述测试数据对应的特征基因数据注入所述训练后分类器，得到所述测试数据对应的特征基因数据的分类结果。

由上可见，本发明实施例通过对参考人群的样本特征类型的基因数据基于交叉验证方法，分为训练数据和测试数据，对基因数据处理成标准化基因数据后，基于LASSO方法进行特征基因提取得到特征基因数据，使用训练数据训练分类器后，利用所述分类器对测试数据进行分类，可以提高特征基因选择的准确性、降低测试样本和训练样本的选择对分类准确率的影响。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的一种基因数据处理方法的第一实施例流程示意图；

图2为本发明提供的一种基因数据处理方法的第二实施例流程示意图；

图3为本发明提供的一种基因数据处理装置的第一实施例结构示意图；

图4为本发明提供的一种基因数据处理装置的第二实施例结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参见图1，是本发明提供的基因数据处理方法的第一实施例流程示意图。本实施例中所描述的基因数据处理方法，包括步骤：

S101，接收参考人群的样本特征类型的基因数据，基于交叉验证方法，将所述基因数据分成测试数据和训练数据。