[发明专利]一种基因数据集整合分析方法有效
申请号: | 201811522403.7 | 申请日: | 2018-12-13 |
公开(公告)号: | CN109686399B | 公开(公告)日: | 2023-07-21 |
发明(设计)人: | 黄海辉;戴经国;梁勇;陈燕琴 | 申请(专利权)人: | 韶关学院 |
主分类号: | G16B20/00 | 分类号: | G16B20/00;G16B50/00 |
代理公司: | 广州三环专利商标代理有限公司 44202 | 代理人: | 颜希文;麦小婵 |
地址: | 512005 *** | 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: | 本发明公开了一种基因数据集整合分析方法,至少包括以下步骤:根据超参数组和待处理基因数据集建立SSN‑IF方法模型;预设SSN‑IF方法模型中的权重向量,将权重向量值作为第一初始值建立SCAD‑Net惩罚体的线性模型;根据线性模型计算SCAD‑Net惩罚体的迭代更新算子,以计算SSN‑IF方法模型的基因回归系数和待处理基因数据集的预测模型;根据预测模型更新SSN‑IF方法模型的权重向量;将更新后的权重向量作为第一初始值;重复上述的计算步骤,以得到最终的基因回归系数和待处理基因数据集的预测模型。本发明提供一种基因数据集整合分析方法,能够有效地提高对基因数据集整合分析的准确性,从而能够准确地选择出与表现型相关的基因,进而有利于对疾病的研究。 | ||
搜索关键词: | 一种 基因 数据 整合 分析 方法 | ||
【主权项】:
1.一种基因数据集整合分析方法,其特征在于,至少包括以下步骤:S1、根据超参数组和待处理基因数据集建立SSN‑IF方法模型;其中所述SSN‑IF方法模型包括自步学习正则化函数和SCAD‑Net惩罚体;S2、预设SSN‑IF方法模型中的权重向量,将所述权重向量值作为第一初始值;S3、根据所述第一初始值,建立所述SCAD‑Net惩罚体的线性模型;S4、根据所述线性模型计算所述SCAD‑Net惩罚体的迭代更新算子;S5、根据所述迭代更新算子,计算所述SSN‑IF方法模型的基因回归系数和所述待处理基因数据集的预测模型;S6、根据所述预测模型更新所述SSN‑IF方法模型的权重向量,并将所述更新后的权重向量作为第一初始值;S7、重复步骤S3‑S6,直至计算得到的所述基因回归系数收敛,得到最终的基因回归系数和最终的所述待处理基因数据集的预测模型;S8、根据所述最终的基因回归系数和所述待处理基因数据集的预测模型,得到所述待处理基因数据集中与表现型相关的基因。
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韶关学院,未经韶关学院许可,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/201811522403.7/,转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置