[发明专利]基于分层主元深度学习的宏基因组操作分类单元识别方法在审
| 申请号： | 201710490528.5 | 申请日： | 2017-06-25 |
| 公开（公告）号： | CN107292124A | 公开（公告）日： | 2017-10-24 |
| 发明（设计）人： | 郑灏 | 申请（专利权）人： | 广东国盛医学科技有限公司 |
| 主分类号： | G06F19/18 | 分类号： | G06F19/18;G06F19/24;G06F19/20;G06N3/02 |
| 代理公司： | 北京科家知识产权代理事务所(普通合伙)11427 | 代理人： | 李雪鹃 |
| 地址： | 510000 广东省广州市高新技*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种利用主元分析的特征向量结果去引导神经网络深度学习的初始化，属于宏基因组的操作分类单元识别技术领域，通过Relu开启函数和多次交叉验证学习，对预处理后的宏基因组特征来进行对宏基因组的分层OTU分类的方法，具有特异性和敏感性高的优点。 | ||
| 搜索关键词： | 基于 分层 深度 学习 宏基 操作 分类 单元 识别 方法 | ||
【主权项】：
基于分层主元深度学习的宏基因组操作分类单元识别方法，其特征在于：其包括如下步骤：步骤S1样品处理：从样品中分离出存在于样品中的微生物，提取微生物中的所有DNA，并对提取的DNA进行高通量测序；步骤S2数据预处理：对步骤S1中得到的reads、contigs和scaffold进行初步分析，将重复的DNA序列信息和已知的低质量区域的DNA序列信息剔除；步骤S3基因特征分析：对DNA六聚体结构的混沌序列特征分析提取，确定并获得宏基因组特征信息；步骤S4主元分析：录入宏基因组特征信息，通过统计检验筛选重要特征信息，对重要特征信息进行主元分析；步骤S5建立神经网络分类模型：根据步骤S4主元分析结果作为初始化信息建立神经网络分类模型，再通过Relu开启函数f(x) = max(0, x)并进行多次交叉验证学习，对宏基因组进行分层操作分类单元分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东国盛医学科技有限公司，未经广东国盛医学科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710490528.5/，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算；推算；计数
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学，即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真，例如：概率模型或动态模型，遗传基因管理网络，蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的，例如：进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的，例如：结构排序，结构或功能关系，蛋白质折叠，结构域拓扑，用结构数据的药靶，涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的，例如：基因型–表型关联，不均衡连接，种群遗传学，结合位置鉴定，变异发生，基因型或染色体组的注释，蛋白质相互作用或蛋白质核酸的相互作用
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学，即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真，例如：概率模型或动态模型，遗传基因管理网络，蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的，例如：进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的，例如：结构排序，结构或功能关系，蛋白质折叠，结构域拓扑，用结构数据的药靶，涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的，例如：基因型–表型关联，不均衡连接，种群遗传学，结合位置鉴定，变异发生，基因型或染色体组的注释，蛋白质相互作用或蛋白质核酸的相互作用
