[发明专利]病毒基因分类的方法、装置及电子设备

说明书

本申请实施例提供一种病毒基因分类的方法、装置及电子设备，其中，能够获取表征待分类病毒基因的基因序列特征数据集后，通过计算基因序列特征数据集与指定病毒基因对应的特定基因序列特征数据集的相似距；根据相似距对待分类病毒基因进行分类，实现了病毒基因的准确分类，有利于科研人员对病毒的研究。

技术领域

本发明涉及数据处理技术领域，尤其是涉及一种病毒基因分类的方法、装置及电子设备。

背景技术

目前主流的病毒病原体检测与溯源方案主要是通过序列比对的方法，例如BLAST，Kraken2等方法，基于比对的病毒检测方法在区分物种间特异性时容易引入假阳性结果，因此，不利于新型未知病毒基因的准确识别。

发明内容

有鉴于此，本发明的目的在于提供一种病毒基因分类的方法、装置及电子设备，有效缓解上述技术问题。

第一方面，本发明实施例提供了一种病毒基因分类的方法，其中，该方法包括：获取表征待分类病毒基因的基因序列特征数据集；计算基因序列特征数据集与指定病毒基因对应的特定基因序列特征数据集的相似距；根据相似距对待分类病毒基因进行分类。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，计算基因序列特征数据集与指定病毒基因对应的特定基因序列特征数据集的相似距的步骤，包括：将基因序列特征数据集输入至预先训练好的度量分类模型，通过度量分类模型计算基因序列特征数据集与指定基因对应的特定基因序列特征数据集的相似距；其中，度量分类模型为通过指定基因对应的特定基因序列特征数据集对神经网络训练得到的分类模型；特定基因序列特征数据集为对指定病毒基因对应的基因序列特征数据集进行相似距标记的数据。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，该方法还包括：对特定基因序列特征数据集进行预处理，得到训练数据集；将训练数据集输入至神经网络进行训练，直到训练周期的次数达到预设值或者网络损失值达到预设网络损失阈值为止，得到度量分类模型。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，在对特定基因序列特征数据集进行预处理之前，该方法还包括：基于k-mer基因序列划分方法对基因序列特征数据集进行等长基因序列划分；对划分后的基因序列特征数据集进行相似距标记，得到特定基因序列特征数据集。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，神经网络为包含4个隐含层的孪生卷积神经网络。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，训练网络损失值对应的网络损失函数为交叉熵损失函数。

第二方面，本发明实施例还提供一种病毒基因分类的装置，其中，该装置包括：获取模块，用于获取表征待分类病毒基因的基因序列特征数据集；计算模块，用于计算基因序列特征数据集与指定病毒基因对应的特定基因序列特征数据集的相似距；分类模块，用于根据相似距对待分类病毒基因进行分类。

结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，计算模块还用于：将基因序列特征数据集输入至预先训练好的度量分类模型，通过度量分类模型计算基因序列特征数据集与指定基因对应的特定基因序列特征数据集的相似距；其中，度量分类模型为通过指定基因对应的特定基因序列特征数据集对神经网络训练得到的分类模型；特定基因序列特征数据集为对指定病毒基因对应的基因序列特征数据集进行相似距标记的数据。

第三方面，本发明实施例还提供一种电子设备，其中，包括处理器和存储器，存储器存储有能够被处理器执行的计算机可执行指令，处理器执行计算机可执行指令以实现上述方法。