[发明专利]一种植物中sgRNA活性预测方法及装置

说明书

本发明提供一种植物中sgRNA活性预测方法及装置，方法包括：下载sgRNA活性序列数据集，sgRNA活性序列数据集包括植物sgRNA活性数据；采用热编码方法对植物sgRNA活性数据进行编码，得到植物sgRNA序列数据；采用k‑mer编码方法对植物sgRNA序列数据进行二次编码；通过编码后的sgRNA活性序列数据集构建卷积神经网络模型；通过卷积神经网络模型按设定次数n分别对编码后的sgRNA活性序列数据集进行预测训练，得到n个训练模型，将n个训练模型集成，得到卷积神经网络预测模型sgRNACNN；将待预测的植物sgRNA活性序列输入卷积神经网络预测模型sgRNACNN中，得到预测结果。本发明的卷积神经网络预测模型sgRNACNN泛化性能较好，可应用于多物种植物sgRNA活性预测，能够实现对sgRNA活性的准确识别，具有较好的实用性能。

技术领域

本发明主要涉及生物信息处理技术领域，具体涉及一种植物中sgRNA活性预测方法及装置。

背景技术

近年来，CRISPR/Cas9系统因其高靶向性和简单快速的操作，被广泛用于各种物种的基因编辑，并为生物和农业研究创造了大规模的突变体资源。单导RNA(single-guideRNA，sgRNA)是一种引导RNA，可以结合到cas9蛋白，并引导cas9酶到基因组DNA的目标区域被切割。CRISPR/Cas9可以通过sgRNA和Cas9蛋白实现基因的插入、删除和替换。CRISPR/Cas9系统已成功应用于多种模型和作物，具有编辑和更新有害基因以进行个体化治疗的潜力，并改变了植物生物学的不同领域。SgRNA活性与CRISPR/Cas9突变的效率直接相关。实现高效和特异性编辑的有效策略是使用具有高活性和特异性的sgRNAs。脱靶突变是不可取的。因此，在基因编辑之前设计和确定sgRNAs的靶活性是非常重要的，能够有效识别sgRNA活性具有重要意义。目前机器学习算法被广泛应用于sgRNA活性预测，但是这些研究数据集大部分序列来自人类、小鼠和拟南芥基因组，但在农学领域，预测sgRNA活性的工具或研究很少。而且对于小麦、玉米等基因组测序技术的发展，sgRNA活性数据猛增。而目前，并没有有效的方法对植物sgRNA的活性预测，无法提供可靠的预测结果。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种植物中sgRNA活性预测方法及装置。

本发明解决上述技术问题的技术方案如下：一种植物中sgRNA活性预测方法，包括如下步骤：

S1、下载原始的sgRNA活性序列数据集，所述sgRNA活性序列数据集包括植物sgRNA活性数据；

S2、采用热编码方法对所述植物sgRNA活性数据进行编码，得到植物sgRNA序列数据；

S3、采用k-mer编码方法对所述植物sgRNA序列数据进行二次编码；

S4、通过编码后的sgRNA活性序列数据集构建卷积神经网络模型；

S5、通过所述卷积神经网络模型按设定次数n分别对编码后的sgRNA活性序列数据集进行预测训练，得到n个训练模型，将n个训练模型集成，得到卷积神经网络预测模型sgRNACNN；n为大于0的整数；

S6、将待预测的植物sgRNA活性序列输入所述卷积神经网络预测模型sgRNACNN中，得到预测结果。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述S1中，所述植物sgRNA活性数据包括高活性植物sgRNA序列数据和低活性植物sgRNA序列数据。

采用上述进一步方案的有益效果是：能够分析植物sgRNA活性数据中的高活性植物sgRNA序列数据和低活性植物sgRNA序列数据，从而对高活性植物sgRNA序列数据进行活性预测。

进一步，所述S2中，采用热编码所述植物sgRNA活性数据进行编码，得到植物sgRNA序列数据的过程包括：