[发明专利]基因关联分析的修正方法及修正装置

权利要求书

1.一种基因关联分析的修正方法，其特征在于，包括以下步骤：

获取序列步骤：根据训练的隐马尔科夫模型学到的生成概率分布获取新的样本的基因序列；

生成样本步骤：根据所述新的样本的基因序列生成新的样本；

标签赋值步骤：对所述新的样本进行标签赋值，其中，将所述新的样本与预设的患病以及健康的样本进行比对，以确定所属类别并放弃或者保留；以及

似然比检验步骤：重复执行所述获取序列步骤、生成样本步骤和所述标签赋值步骤，以得到满足预设条件的多个样本，并获取新的数据集，以进行基于回归方程的似然比检验。

2.根据权利要求1所述的基因关联分析的修正方法，其特征在于，所述训练的隐马尔科夫模型的训练方法包括：

检测基因核苷酸多态性位点(SNP)s_i上游下游位置的L个SNP；

根据所述L个SNP得到基因集合

在所述基因集合上，通过隐马尔科夫模型对序列进行建模，并通过训练所述隐马尔科夫模型到生成模型的参数集Θ，以得到所述训练的隐马尔科夫模型。

3.根据权利要求2所述的基因关联分析的修正方法，其特征在于，所述得到所述训练的隐马尔科夫模型，进一步包括：

通过最大化所述参数集Θ＝{π,A,B}来计算得到最适合所述基因集合的隐马尔科夫模型，且所述隐马尔科夫模型为：

Θ=arg maxΣn=1Nlog P(Si(n)|Θ),]]>

其中，π为进入HMM隐状态每种状态的概率，A＝{a_ij}为为隐状态从i到j进行转移的概率，B＝{b_jt}为从隐节点i观测到基因类型t的概率。

4.根据权利要求1所述的基因关联分析的修正方法，其特征在于，所述获取新的样本的基因序列，进一步包括：

获取所述新的样本的初始状态；

根据学习到的隐马尔科夫模型转移矩阵生成隐状态序列；

获取从所述隐状态序列按照发射矩阵进行随机观测的结果，并生成所述新的样本的基因序列。

5.根据权利要求1-4任一项所述的基因关联分析的修正方法，其特征在于，所述预设条件为所述多个样本组成的样本集合满足正负平衡。

6.一种基因关联分析的修正装置，其特征在于，包括：

获取模块，用于根据训练的隐马尔科夫模型学到的生成概率分布获取新的样本的基因序列，以执行获取序列步骤；

生成模块，用于根据所述新的样本的基因序列生成新的样本，以执行生成样本步骤；

赋值模块，用于对所述新的样本进行标签赋值，其中，将所述新的样本与预设的患病以及健康的样本进行比对，以确定所属类别并放弃或者保留，以执行标签赋值步骤；以及检验模块，用于重复执行所述获取序列步骤、生成样本步骤和所述标签赋值步骤，以得到满足预设条件的多个样本，并获取新的数据集，以进行基于回归方程的似然比检验，以执行似然比检验步骤。

7.根据权利要求6所述的基因关联分析的修正装置，其特征在于，还包括：训练模块，用于获取所述训练的隐马尔科夫模型，其中，所述训练模块具体用于检测基因核苷酸多态性位点(SNP)s_i上游下游位置的L个SNP，并根据所述L个SNP得到基因集合并且在所述基因集合上，通过隐马尔科夫模型对序列进行建模，并通过训练所述隐马尔科夫模型到生成模型的参数集Θ，以得到所述训练的隐马尔科夫模型。