[发明专利]一种基于深度递归神经网络的DNase高通量测序数据中DNA碱基倾向性偏差消除方法

权利要求书

1.一种基于深度递归神经网络的DNase高通量测序数据中DNA碱基倾向性偏差消除方法，其特征在于：步骤如下：

步骤一：DNase-Seq数据酶切位点区域DNA碱基获取：

依据DNase-Seq数据在基因组中的位置，提取每一个数据对应酶切位点附近区域的DNA碱基；

步骤二：DNase-Seq数据DNA碱基倾向性获取：

首先，计算第i种碱基组合c_i被剪切n_j次的概率：

其中，P(c_i|n_j)和P(n_j)概率是从DNase-Seq实验数据中统计求得的；

然后，计算第i种碱基组合c_i的酶切倾向性Q_i：

步骤三：基于深度递归神经网络的DNA碱基组合倾向性模型构建：

按照DNA碱基倾向性值由大到小进行排序，选取碱基组合作为正负样本数据进行深度递归神经网络模型训练，获取描述DNase-Seq中DNA碱基组合倾向性的深度递归神经网络预测模型；

步骤四：DNA碱基倾向性偏差消除：

利用训练得到的深度递归神经网络模型，针对DNase-Seq实验中每一个检测数据预测其碱基倾向性，并予以消除；

已知第i个检测数据第j个位点上酶切值DNase_ij的碱基组合倾向性为Q_ij，则碱基倾向性偏差消除后的检测值DNase_{ij_C}为：

其中，a、b是经优化求取的参数。

2.根据权利要求1所述的一种基于深度递归神经网络的DNase高通量测序数据中DNA碱基倾向性偏差消除方法，其特征在于：步骤一具体选用酶切位点附近10个位点的碱基，即以酶切位点为中心，取位点前面的4个碱基和后面的6个碱基。

3.根据权利要求2所述的一种基于深度递归神经网络的DNase高通量测序数据中DNA碱基倾向性偏差消除方法，其特征在于：步骤二中的每个碱基有A、C、G、T四种取值，则10个位点碱基共有1048576种碱基组合。

4.根据权利要求3所述的一种基于深度递归神经网络的DNase高通量测序数据中DNA碱基倾向性偏差消除方法，其特征在于：步骤三中选取碱基组合作为正负样本数据进行深度递归神经网络模型训练是指：分别选取最前面和最后面各20000个碱基组合作为正负样本数据进行深度递归神经网络模型训练。

5.根据权利要求4所述的一种基于深度递归神经网络的DNase高通量测序数据中DNA碱基倾向性偏差消除方法，其特征在于：步骤四中a,b的优化求取过程如下：

取同一蛋白的已知结合位点各碱基位点的DNase酶剪切值，由于是同一蛋白的结合位点，不同结合位点的碱基位点DNase酶剪切值构成的向量应该具有整体相关性；但由于不同蛋白结合位点的DNA碱基序列不尽相同，从而由于DNase酶碱基组合剪切倾向性的存在，使得其整体相关性下降，则根据整体相关性最大的原则，实现参数a，b优化求取。