一种基于机器学习的母源污染去除方法及相关设备

    公开(公告)号:CN119229980B

    公开(公告)日:2025-02-18

    申请号:CN202411721002.X

    申请日:2024-11-28

    Abstract: 本发明提供了一种基于机器学习的母源污染去除方法及相关设备,应用于数据处理技术领域。本申请获取目标用户数据和训练样本集,其中,目标用户数据包括目标用户的体外培养胚胎的培养液样本信息,训练样本集包括其他用户的体外培养胚胎的培养液样本信息;对训练样本集进行预处理,生成带有目标特征数据的训练数据集,其中,目标特征数据为单细胞全基因组的甲基化测序数据,甲基化测序数据包括读段信息;获取与目标特征数据相匹配的初始母源污染预警模型;基于带有目标特征数据的训练数据集对初始母源污染预警模型进行训练,生成目标母源污染预警模型;基于目标母源污染预警模型对目标用户数据进行处理,生成目标染色体倍体。

    一种基于机器学习的母源污染去除方法及相关设备

    公开(公告)号:CN119229980A

    公开(公告)日:2024-12-31

    申请号:CN202411721002.X

    申请日:2024-11-28

    Abstract: 本发明提供了一种基于机器学习的母源污染去除方法及相关设备,应用于数据处理技术领域。本申请获取目标用户数据和训练样本集,其中,目标用户数据包括目标用户的体外培养胚胎的培养液样本信息,训练样本集包括其他用户的体外培养胚胎的培养液样本信息;对训练样本集进行预处理,生成带有目标特征数据的训练数据集,其中,目标特征数据为单细胞全基因组的甲基化测序数据,甲基化测序数据包括读段信息;获取与目标特征数据相匹配的初始母源污染预警模型;基于带有目标特征数据的训练数据集对初始母源污染预警模型进行训练,生成目标母源污染预警模型;基于目标母源污染预警模型对目标用户数据进行处理,生成目标染色体倍体。

    用于无创植入前非整倍体遗传检测的方法

    公开(公告)号:CN115216545A

    公开(公告)日:2022-10-21

    申请号:CN202110423585.8

    申请日:2021-04-20

    Applicant: 北京大学

    Abstract: 本发明涉及植入前非整倍体遗传检测(Preimplantation genetic testingfor aneuploidy,PGT‑A)。具体而言,本发明鉴定了用于评估囊胚培养液中母源DNA污染的颗粒细胞特异性差异甲基化区域(C‑DMR)和卵母细胞/极体细胞特异性差异甲基化区域(O‑DMR),并提供了基于上述差异甲基化区域评估中囊胚培养液中母源DNA污染的方法。与传统SNP测序法相比,本发明的测定母源DNA污染的方法更加简便、经济、省时,适合于大规模临床应用。本发明还提供了基于囊胚培养液进行无创植入前非整倍体遗传检测的方法,该方法同时检测非整倍体和母源污染率,实现了提高的检测准确率。

Patent Agency Ranking