1.一种基于掩码图自编码器的基因识别方法,其特征在于,是按如下步骤进行:步骤1、收集正常基因与异常基因的多组学数据,并建立基因网络G={V, A, X},其中,V表示基因节点集合,A表示基因节点的邻接矩阵,表示基因节点的特征集合,N是基因节点的数量,M表示每个基因节点特征的组学类型个数;令任意第i个基因节点记为vi,令xi表示第i个基因节点vi的特征,且;令ei,j表示vi与第j个基因vj之间的相互作用,若ei,j=1,表示vi与vj之间有相互作用关系,若ei,j=0,表示vi与vj之间无相互作用关系;令第i个基因节点vi的真实标签为yi,yi∈{0,1},0表示vi为正常基因,1表示vi为异常基因;
步骤2、构建基于掩码图自编码器的图表示学习网络,包括:图掩码模块,编码器,解码器;
步骤2.1、所述图掩码模块分成节点掩码单元和边掩码单元,其中,节点掩码单元对V进行节点掩码得到节点掩码图G1,边掩码单元对A进行边掩码得到边掩码图G2;
步骤2.2、编码器模块由L层GCN层组成,并分别对G1和G2进行处理,相应得到节点特征表示和;
步骤2.3、解码器模块包括:节点解码器单元和边解码器单元,并分别对和进行处理,相应得到重构特征向量zi和G2中vi和vj存在边的概率P(vi,vj);
步骤2.4、利用式(5)构建总损失函数Loss;
(5)
式(5)中,loss1是节点重构损失,loss2是边重构损失,α表示用于平衡节点重构和边重构损失函数的超参数,且0<α<1;
步骤3、利用Adam优化器训练所述图表示学习网络的权重参数,并计算总损失函数Loss以更新网络参数,并在迭代次数达到最大迭代次数时或Loss达到最小时停止训练,从而得到训练后的最优图自动编码器模型;
步骤4、将G输入到训练后的最优图自动编码器模型的编码器中,并生成低维嵌入特征S;令si表示S中第i个基因节点vi的低维嵌入特征表示;
步骤5、由一个全连接层构建逻辑回归分类器,从而利用式(10)将si从特征空间投影到概率空间,并输出第i个基因节点vi属于异常基因的概率;
(10)
式(10)中,ω是全连接层中的待学习权重参数,b是待学习的偏置项,T表示转置;
步骤6、利用式(11)构建交叉熵损失函数LBCE,并利用梯度下降算法和Adam优化器训练逻辑回归分类器,使得交叉熵损失函数LBCE达到收敛,从而得到训练好的正常异常基因分类模型,用于实现对正常、异常基因的分类:(11)
式(11)中,n表示带标签的基因节点的数量,表示第i个基因节点vi的真实标签。
2.根据权利要求1所述的一种基于掩码图自编码器的基因识别方法,其特征在于,所述步骤2.1是按如下步骤进行:步骤2.1.1、所述节点掩码单元按照掩码比率p,并遵循伯努利分布对V进行采样,得到待掩码的基因节点子集Vmask,其中,0
若vi属于待掩码的基因节点子集Vmask,则将vi的特征向量xi赋值为全零向量,否则,vi的特征xi保持不变,从而得到掩码操作后的基因节点的特征集合Xmask,进而得到节点掩码图G1={V, A, Xmask};
步骤2.1.2、所述边掩码单元按照采样比率q,并遵循伯努利分布对V进行采样,得到根节点集Vroot,其中,0
以Vroot中任一根节点为起点,利用随机游走算法对Vroot进行采样,并将随机游走产生的一组边作为待掩码的边集合,记为Emask;
若ei,j属于待掩码的边集合Emask,则将邻接矩阵A中的第i行第j列的元素值设为“0”,否则,将邻接矩阵A中的第i行第j列的元素值设为“1”,从而得到掩码操作后的邻接矩阵Amask;进而得到边掩码图G2={V, Amask, X}。
3.根据权利要求2所述的一种基于掩码图自编码器的基因识别方法,其特征在于,所述步骤2.2是按如下步骤进行:步骤2.2.1、将所述节点掩码图G1={V, A, Xmask}输入到编码器模块中,并利用式(1)得到节点掩码图G1经过第l层GCN层输出的嵌入特征表示:(1)
式(1)中,表示第l层GCN层的待学习权重矩阵,σ(·)表示非线性ReLU激活函数;D表示对角度矩阵,A表示基因节点的邻接矩阵,I表示单位矩阵,表示节点掩码图G1经过第l层GCN层输出的节点特征表示,当l=1时,令=;
步骤2.2.2、将所述边掩码图G2={V, Amask, X}输入到编码器模块中,并利用式(2)得到边掩码图G2经过第l层GCN层输出的嵌入特征表示:(2)
式(2)中,表示边掩码图G2经过第l层GCN层输出的嵌入特征表示,当l=1时,令=;
步骤2.2.3、按照步骤2.2.1和步骤2.2.2的过程分别得到节点掩码图G1经过L层GCN层输出的节点特征表示和边掩码图G2经过L层GCN层输出的嵌入特征表示。
4.根据权利要求3所述的一种基于掩码图自编码器的基因识别方法,其特征在于,步骤2.3是按如下步骤进行:步骤2.3.1、将输入到节点解码器中进行处理,并利用式(3)得到所述节点掩码图G1中第i个基因节点vi的重构特征向量zi;
(3)
式(3)中,MLP表示多层感知机,表示G1中第i个基因vi的嵌入特征表示,hi∈;
步骤2.3.2、将输入到边解码器中进行处理,并利用式(4)得到所述节点掩码图G2中vi和vj存在边的概率P(vi,vj);
(4)
式(4)中,表示G2中第i个基因vi的嵌入特征表示,表示G2中第j个基因vj的嵌入特征表示;,∈,⊙表示对应元素相乘,sigmoid是非线性激活函数。
5.根据权利要求4所述的一种基于掩码图自编码器的基因识别方法,其特征在于,步骤2.4是按如下步骤进行:步骤2.4.1、利用式(6)构建节点重构的损失函数loss1;
(6)
式(5)中,γ为缩放因子,且γ≥1;
步骤2.4.2、利用式(7)-式(9)构建边重构的损失函数loss2;
(7)
(8)
(9)
式(7)-式(9)中,是随机生成的一组在图G中不存在的边;表示ei,j=1时,预测的概率分布与真实标签的概率分布之间的差异,表示ei,j=0时,预测的概率分布与真实标签的概率分布之间的差异。
6.一种电子设备,包括存储器以及处理器,其特征在于,所述存储器用于存储支持处理器执行权利要求1-5中任一所述基因识别方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。
7.一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行权利要求1-5中任一所述基因识别方法的步骤。