[发明专利]基于粒子群算法的改进最小残差法分析混合STR图谱

说明书

一种基于粒子群算法的改进最小残差法分析混合STR图谱的方法：S100：输入来自两个供体的混合STR图谱；S200：在(0，0.5)区间内随机生成3个粒子的初始位置，并在[‑0.01，0.01]区间内随机生成所述3个粒子的3个初始速度；S300：分别根据所述3个粒子计算得出3个residualsubgt;sum/subgt;；S400：分别计算3个粒子各自的个体最优位置，获得residualsubgt;sum/subgt;最小时Mx的值；S500：计算整个粒子群体的全局最优位置，获得residualsubgt;sum/subgt;最小时Mx的值；S600：更新所述3个粒子的速度和位置；S700：如果迭代次数达到阈值，则获得residualsubgt;sum/subgt;最小值、混合比例预测值Mx’和拆分结果；否则返回到步骤S300继续执行。本方法改进了最小残差法，重新定义混合比例实现等位基因模型(allele model)的化简；粒子群算法的引入，能够实现混合STR图谱的快速分析。

技术领域

本公开属于法医遗传学和法医物证学技术领域，特别涉及一种基于粒子群算法的改进最小残差法分析混合STR图谱的方法。

背景技术

在法医遗传学领域对混合STR图谱分析的研究一直是难点和热点。混合DNA常见于刑事案件，案件现场会采集到两个或者更多个体的混合血迹或脱落上皮细胞的混合物等。对于混合样本的DNA分型，目前法医DNA鉴定常规使用短串联重复(short tandem repeats，STR)检测技术，应用荧光STR图谱辨识出各个供者的DNA分型,对混合检材结果统计的理论方面已经有较成熟的研究。STR等位基因的峰高和面积信息能够用于分析混合检材中的基因分型。

目前，国内大部分实验室对于混合STR图谱的拆分都是根据每个位点下峰个数、峰高等参数进行人工拆分。然而，人工拆分只是单个位点逐个的去拆分，没有考虑整个图谱；并且拆分时没有量化的标准，主观因素较大，导致不确定性较大。而国际上已有专门的拆分软件，主要是利用统计学的方法去解释混合图谱的数据。软件拆分的优势在于：有可量化的标准、可重复性好、减少主观性，结果更加客观公正。

当前国际拆分软件按照分析模型划分主要有三类：一类是二进制法(Binary)，主要思想是设定阈值来处理峰的随机性以及去除一些不合适的数据，但是这种方法在处理低拷贝检材、降解检材以及检材混合比例差异较大时结果不理想；第二类是半连续法(Semi-continuous)，是概率法的一种，该法没有考虑峰值的变异性、混合比例及Stutter峰所占百分比等因素，在拆分的合理性、准确性上较差；第三类是连续法(Continuous)，也称概率法，采用马尔科夫链蒙特卡洛方法(Markov Chain Monte Carlo，MCMC)计算方法，利用计算机模拟分析所有图谱数据，以概率的形式给出可能性的组合，但这种方法不能解决维度灾难。

因此，现有技术中的软件存在计算量大或结果不尽如人意的问题。

发明内容

为了解决上述技术问题，本公开揭示了一种基于粒子群算法的改进最小残差法分析混合STR图谱的方法，其包括如下步骤：

所述方法用于法医DNA鉴定的STR图谱；

所述方法包括如下步骤：

S100：输入来自两个供体的混合STR图谱，其包括基因座、等位基因和峰面积；

S200：在(0,0.5)区间内随机生成3个粒子的初始位置，并在[-0.01,0.01]区间内随机生成所述3个粒子的3个初始速度，以此执行粒子群算法，其中，所述随机生成的3个粒子的初始位置还作为混合比例Mx的三个初始取值；

S300：根据粒子群算法计算出3个粒子各自对应的、所有基因座的残差的最小值之和residual_sum；