[发明专利]基于岭回归矫正MB‑seq甲基化水平的方法及系统

摘要

基于岭回归矫正MB‑seq甲基化水平的方法，属于基因工程技术领域，利用机器学习岭回归理论，并依据RRBS检测出来的绝对MB‑seq甲基化水平进行数据训练并建立预测模型，对基因组上的RRBS未覆盖的胞嘧啶位点进行岭回归预测，使得甲基化水平检测的准确度大于95％，从而消除MB‑seq的偏差并得到全基因组甲基化图谱。本发明还公开了一种基于岭回归的甲基化水平计算系统。利用本发明可以从高通量测序MB‑seq数据中，精确计算全基因组每一个CpG的甲基化水平。

主权项

一种基于岭回归矫正MB‑seq甲基化水平的方法，其特征在于，包括以下步骤：(1)提取信息(2)建模(3)岭回归计算；其中，所述的步骤(1)需要提取的信息有：从参考基因组序列中提取基因组CpG密度、GC含量和CpG‑OE值；从MB‑seq高通量测序数据唯一比对结果中，提取已知基因组上每个胞嘧啶的相对甲基化信息；从RRBS高通量测序数据唯一比对结果中，提取覆盖到的每个胞嘧啶的绝对甲基化信息；所述的步骤(2)建模如下：Σi=1n(yi-Σj=0pwjxij)2+λΣj=0pwj2]]>其中：y:目标函数；为以RRBS高通量测序数据唯一比对结果中提取到的覆盖到的每个胞嘧啶的绝对甲基化信息；x:回归变量矩阵；包括行、列；每行代表每个CpG变量；每列分别为每个变量的CpG密度、GC含量、CpG‑OE值以及相对甲基化信息；所述的相对甲基化信息包括：MB‑seq甲基化水平的观测值MB level,甲基化CpG个数MBmCG，MB‑seq测序深度MBdepth,当前CpG侧翼+/‑100bp区域的MB‑seq检测到的平均甲基化水平MBback,这200bp范围的甲基化CpG位点总数MBmCG总；所述的步骤(3)岭回归计算具体是Σi=1n(yi-Σj=0pwjxij)2+λΣj=0pwj2]]>对该公式求导，结果为2xT(y‑xω)‑2λω令其为0，求得的值：ω=^(xTx+λI)-1xTy]]>输入新的回归变量矩阵x即可获得新y值,即而获得全基因组的胞嘧啶位点的绝对甲基化水平。