[发明专利]一种基于半监督深度学习的绝缘子元件预测系统

说明书

本发明公开了一种基于半监督深度学习的绝缘子元件预测系统，包括提取模块、编码模块、训练模块和分析模块；提取模块、编码模块、训练模块和分析模块依次连接；所述提取模块用于取出DNA中的染色体号序列；编码模块用于截取序列并对截取序列编码；训练模块用于训练并生成绝缘子元件预测模型；分析模块用于通过训练后的绝缘子元件预测模型识别分析DNA染色体序列中的绝缘子序列；本发明通过半监督阶梯网络和卷积神经网络结合，建立了绝缘子元件预测模型，可以有效且精准的识别出DNA序列中的绝缘子序列；同时也有效减小了绝缘子元件识别的成本和工序。

技术领域

本发明涉及生物绝缘子预测领域，尤其是一种基于半监督深度学习的绝缘子元件预测系统。

背景技术

染色质绝缘子是DNA-蛋白质复合物，在核生物学中具有广泛的功能，概括的来说，绝缘子位于增强子或启动子和基因之间，用于减少或者阻断基因表达，或者作为异染色质屏障，绝缘子元件在基因治疗中有十分重要的意义，目前在基因治疗领域有一个很大的障碍就是由于插入操作引起的基因毒性和基因突变，有效的寻找到短片段的绝缘子元件，能够阻碍或者调控致病基因的表达，提高基因治疗的安全性。

传统的方式是通过细胞实验来验证绝缘子片段，这种方式不仅低效而且价格昂贵。已知的生物信息学方法也不能有效提取绝缘子元件内部的特征(序列模序motif)。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种基于半监督深度学习的绝缘子元件预测系统和方法；本发明解决了绝缘子片段验证效率低，成本高的问题；解决了不能有效提取绝缘子元件内部的特征的问题。

本发明采用的技术方案如下：

一种基于半监督深度学习的绝缘子元件预测系统，包括提取模块、编码模块、训练模块和分析模块；提取模块、编码模块、训练模块和分析模块依次连接；所述提取模块用于取出DNA中的染色体号序列；编码模块用于截取序列并对截取序列编码；训练模块用于训练并生成绝缘子元件预测模型；分析模块用于通过训练后的绝缘子元件预测模型识别分析DNA染色体序列中的绝缘子序列。

进一步的，所述取出DNA中的染色体号序列是由染色体号的开始位置和结束位置之间取出序列。

进一步的，所述编码模块通过热一编码对序列进行编码，将序列转换为矩阵。

进一步的，所述绝缘子元件预测模型是由阶梯网络进行卷积神经网络训练建立而成。

进一步的，所述阶梯网络为半监督阶梯网络，包括。

进一步的，所述卷积神经网络算法为：

进一步的，所述训练包括：在将截取出的染色体序列进行编码得到矩阵后；将矩阵输入神经网络算法中进行训练。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

1、本发明通过半监督阶梯网络和卷积神经网络结合，建立了绝缘子元件预测模型，可以有效且精准的识别出DNA序列中的绝缘子序列。

2、本发明也有效减小了绝缘子元件识别的成本和工序。

附图说明

本发明将通过例子并参照附图的方式说明，其中：

图1是绝缘子元件预测系统结构图。

图2是热一编码图。

其中，1-提取模块；2-编码模块；3-训练模块；4-分析模块。

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。