欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021113891112
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于参考物种标签约束的宏基因组序列深度聚类方法,其特征在于,包括步骤:第一步,预训练步骤,包括:

1.1构建基于不同微生物群落的已知物种的预训练数据库;

1.2建立初始化模型;

1.3针对不同的微生物群落构建不同的预训练模型;

第二步,微调步骤,包括:

2.1计算待测微生物群落的数据集重叠群序列4mer频率,并归一化得到微调的输入特征频率 ;

2.2加载待测微生物群落的预训练模型以及参数;

2.3构建微调误差函数;

2.4确定聚类个数;

2.5微调模型;

2.6完成聚类,得到聚类结果,并根据聚类指标衡量聚类结果;

所述步骤1.2具体包括步骤:

a) 建立具有对称结构的自编码器;

b) 选取 函数作为激活函数,加入Dropout函数来调节模型参数和样本量之间的关系;

c) 设置模型参数;

d) 构建预训练误差函数,其计算公式为:其中, 表示重构误差, 表示标签约束误差, 表示用于平衡重构误差 和标签约束误差 的超参数;

所述步骤1.2中的重构误差 的计算公式为:其中, 表示编码网络的输入, 表示编码网络的输出, 表示解码网络的输出, 表示总样本的个数;

所述标签约束误差 的计算公式为:其中, 表示衡量相同物种间的特征向量间的欧式距离, 表示衡量相同属不相同物种间的特征向量间的距离, 表示衡量不同属不同物种间的特征向量间的距离,n1、n2、n3为三种误差下累加的次数且满足 ,β、λ是标签约束相的超参数;

所述步骤2.3具体包括步骤:

利用深度k‑mean聚类的方法,将k‑mean聚类的误差加入到预训练得到的待测微生物群落的预训练模型中,得到微调误差函数:其中, 表示重构误差, 表示聚类误差, 表示待测微生物群落样本的个数,表示用于平衡重构误差 和聚类误差 的超参数。

2.根据权利要求1所述的基于参考物种标签约束的宏基因组序列深度聚类方法,其特征在于,所述步骤1.1具体包括步骤:a) 下载不同微生物群落的已知物种的全基因组序列预训练数据集;

b) 将每个物种的全基因组序列从随机起始位置截取随机长度的序列;

c) 计算步骤b)中截取的每条序列的4‑mer频率特征,并进行归一化,得到不同微生物群落的宏基因组预训练4mer频率归一化特征 。

3.根据权利要求1所述的基于参考物种标签约束的宏基因组序列深度聚类方法,其特征在于,所述步骤1.3中,构建预训练模型具体包括步骤:a) 使用初始化后的网络模型以及参数;

b) 加载测试集样本归一化特征 ,并送入初始化后网络模型,计算重构误差和标签约束误差;

c) 应用反向传播自适应矩估计方法,对不同变化的参数以自适应的学习率进行更新;

d) 保存预训练的模型以及参数,定义为待测微生物群落的预训练模型。

4.根据权利要求1所述的基于参考物种标签约束的宏基因组序列深度聚类方法,其特征在于,所述步骤2.3中的重构误差 计算公式为:其中, 表示微调网络测试集的输入, 表示微调网络测试集的输出;

所述聚类误差 计算公式为:

其中, 表示 类中的样本点, 表示 类的聚类中心。

5.根据权利要求1所述的基于参考物种标签约束的宏基因组序列深度聚类方法,其特征在于,所述步骤2.4具体包括步骤:a) 定义 变量为类内数据到簇质心的平均距离,代表簇 中各样本的分散程度,其计算公式为:其中, 表示簇类 中样本点个数, 表示 类中的样本点, 表示 类的聚类中心;

b) 定义 为簇 与簇 的距离,其计算公式为:其中, 表示簇 与簇 的质心 和 的距离;

c) 应用DBI指数确定聚类个数 ,其计算公式为:其中,为聚类个数变量,取值范围为 ;

d) 选择最优的聚类个数 ,其计算公式为:其中,为聚类个数变量。

6.根据权利要求1所述的基于参考物种标签约束的宏基因组序列深度聚类方法,其特征在于,所述步骤2.5具体包括步骤:a) 将测试样本送入网络,得到第一次隐藏表示;

b) 将a)中得到的隐藏表示作为样本的特征使用k‑mean聚类,聚类个数为 ,初始化中心的方法使用k‑means++;

c) 将b)中得到的聚类结果分批次随机取出,计算重构误差 和聚类误差 ,并根据重构误差 和聚类误差 计算得到微调误差 ;

d) 对每个样本的微调误差 使用Adam优化器微调模型参数,得到微调后的模型。

7.根据权利要求1所述的基于参考物种标签约束的宏基因组序列深度聚类方法,其特征在于,所述步骤2.6具体包括步骤:a) 联合样本的覆盖率信息和网络中间层用于聚类,得到聚类结果 ;

b) 使用准确率、召回率和ARI来衡量聚类结果,其中,准确率的计算公式为:;

召回率的计算公式为:

;

ARI的计算公式为:

;

其中,TP和FP分别表示真正属于同一物种的contigs聚在同一类和不同类中的数目,FN和TN分别表示属于不同物种的contigs聚集成同一类和不同类的数目。