1.一种基于模拟退火算法的天然药物年份鉴别方法,其特征在于,包括:获取原始数据,其中原始数据包括天然药物的作用转录组和对应的年份分类标签,其中所述作用转录组中包括若干个基因;
构建分类器,其中所述分类器的输入为基因组合,输出为年份;
通过模拟退火算法对基因进行迭代组合,得到不同迭代过程中的基因组合,通过不同迭代过程中的基因组合和对应年份分类标签对所述分类器进行优化,得到不同优化后的分类器,以分类器的F1值最大作为目标,得到最优的基因组合,其中将基因组合作为天然药物年份鉴定的标志物;
根据天然药物年份鉴定的标志物和分类模型对天然药物进行识别,得到天然药物对应的年份;
通过模拟退火算法对基因进行迭代组合的过程包括:构建初始解,其中所述初始解为随机生成的基因组合的独热向量,其中独热向量中的每个元素对应于一个基因,当所述元素为1时,表示对应基因作为分类器的输入,当所述元素为0时,表示对应基因不作为分类器的输入,根据独热向量得到基因组合;
构建用于分类的机器学习分类器,将基因组合和年份分类标签输入分类器中进行训练和测试,得到分类器的F1值作为目标函数值;
从当前解的邻域随机生成一个新解;
将新解对应的基因组合和年份分类标签输入分类器,得到新解的目标函数值,计算当前解和新解的差值;
根据当前解和新解的差值,得到概率,使用概率判断是否接受新解,当接收新解时,则将新解作为当前解,若不接受新解时,则当前解保持不变,根据当前解重新生成新解,并重复目标函数值生成、差值和概率计算、是否接受新解的判断过程;
在重复过程中,使用降温速率更新温度;
判断当前温度是否满足终止条件,若满足则终止算法,并获得最优解,其中最优解对应的基因组合为最优的基因组合;若不满足则继续迭代。
2.根据权利要求1所述的方法,其特征在于,所述原始数据的获取过程包括:
获取不同年份下同一种天然药物的作用转录组,并将所述年份作为分类标签,所述作用转录组中包含不同的基因,对所述作用转录组中在任何样本中表达量为0的基因进行去除,得到处理后的天然药物作用转录组。
3.根据权利要求1所述的方法,其特征在于,所述分类器采用机器学习分类器。
4.根据权利要求1所述的方法,其特征在于,将最优解中对应的基因组合输入到对应的分类器中,得到最终的年份鉴别模型。
5.根据权利要求1所述的方法,其特征在于,对所述初始解和新解进行筛选的过程包括:
根据判断指标和温度,计算使用概率:
其中,P为概率,为当前解和新解对应的目标函数值的差值,T表示温度,e表示自然常数,根据概率选择是否使用新解替换当前解。
6.根据权利要求1所述的方法,其特征在于,对温度进行调整的过程包括:
在每次迭代过程中,通过对温度进行固定比例的下降以对温度进行调整。