-
公开(公告)号：CN111833964B
公开(公告)日：2024-10-22
申请号：CN202010592324.4
申请日：2020-06-24
Applicant: 华中农业大学
Abstract: 本发明涉及一种整数线性规划优化贝叶斯网络的上位性位点挖掘方法，包括S1‑S4四个步骤。首先使用条件互信息计算，并经过扩张、收缩和检查一致性三个阶段，得到每个节点的马尔科夫毯，将每个节点的马尔科夫毯作为其候选父节点集，构建每个节点的所有子结构。然后利用可分解的贝叶斯网络打分函数α‑BIC，求得每个子结构的分数。利用可分解贝叶斯网络打分函数的性质，删除一些子结构，得到每个节点筛选后的候选父集及其贝叶斯网络打分。最后根据这些候选父集和分数将构建贝叶斯网络转换成整数线性规划问题，并使用分支定界和割平面两种方法，快速求解得到最高分数的全局最优的包括SNP位点和表型性状的贝叶斯网络，进而实现更有效、更准确的上位性检测。
-
公开(公告)号：CN111833967B
公开(公告)日：2022-05-20
申请号：CN202010683358.4
申请日：2020-07-10
Applicant: 华中农业大学
IPC: G16B40/00
Abstract: 本发明提供一种基于k‑tree优化贝叶斯网络的上位性位点挖掘方法。均匀抽样蒲公英代码，得到每个节点的邻居节点集合，构建对应的特征树结构；利用与k‑clique中节点进行合并组成新节点的方法，构建得到包括大规模SNP位点和表型性状节点的Rényi k‑tree，得到相应的k‑tree；利用基于度选择的树分解算法将k‑tree对应的图分解为不同的k‑clique；利用优化马尔科夫毯的Fast‑IAMB算法获取不同节点的马尔可夫毯，学习得到不同k‑clique对应的子贝叶斯网络结构；合并子网络得到整体网络结构。重复以上步骤，得到包括SNP位点和表型性状节点的网络结构，进而得到影响表型性状的上位性位点。本发明可以帮助生物学研究者得到影响特定表型性状的上位性基因位点，为不同物种复杂数量性状的遗传基础解析提供借鉴。
-
公开(公告)号：CN109448794B
公开(公告)日：2021-04-30
申请号：CN201811287261.0
申请日：2018-10-31
Applicant: 华中农业大学
Abstract: 本发明公开了一种基于遗传禁忌和贝叶斯网络的上位性位点挖掘方法，包括：1、将基因型数据转换为二进制表示的布尔型数据；2、利用逻辑与操作快速地计算任意SNP位点对与表型间条件互信息，取出top‑N节点对，构建包含SNP位点的初始网络图；3、基于初始网络个体，通过随机增加边、删除边、逆转边生成新的个体，直到网络个体数量达到种群大小规模；4、通过遗传算法的三种操作与贝叶斯网络的打分机制，对贝叶斯网络结构进行演化，找到网络结构的最优解，快速准确的获取到影响表型性状的上位性基因位点。本发明可以帮助生物学研究者得到影响特定表型性状的上位性基因位点，进而辅助基因功能挖掘，以及为不同物种的复杂数量性状的遗传基础解析提供借鉴。
-
Patent Agency Ranking
公开(公告)号：CN111833967A
公开(公告)日：2020-10-27
申请号：CN202010683358.4
申请日：2020-07-10
Applicant: 华中农业大学
IPC: G16B40/00
Abstract: 本发明提供一种基于k-tree优化贝叶斯网络的上位性位点挖掘方法。均匀抽样蒲公英代码，得到每个节点的邻居节点集合，构建对应的特征树结构；利用与k-clique中节点进行合并组成新节点的方法，构建得到包括大规模SNP位点和表型性状节点的Rényi k-tree，得到相应的k-tree；利用基于度选择的树分解算法将k-tree对应的图分解为不同的k-clique；利用优化马尔科夫毯的Fast-IAMB算法获取不同节点的马尔可夫毯，学习得到不同k-clique对应的子贝叶斯网络结构；合并子网络得到整体网络结构。重复以上步骤，得到包括SNP位点和表型性状节点的网络结构，进而得到影响表型性状的上位性位点。本发明可以帮助生物学研究者得到影响特定表型性状的上位性基因位点，为不同物种复杂数量性状的遗传基础解析提供借鉴。
-
公开(公告)号：CN111833964A
公开(公告)日：2020-10-27
申请号：CN202010592324.4
申请日：2020-06-24
Applicant: 华中农业大学
Abstract: 本发明涉及一种整数线性规划优化贝叶斯网络的上位性位点挖掘方法，包括S1-S4四个步骤。首先使用条件互信息计算，并经过扩张、收缩和检查一致性三个阶段，得到每个节点的马尔科夫毯，将每个节点的马尔科夫毯作为其候选父节点集，构建每个节点的所有子结构。然后利用可分解的贝叶斯网络打分函数α-BIC，求得每个子结构的分数。利用可分解贝叶斯网络打分函数的性质，删除一些子结构，得到每个节点筛选后的候选父集及其贝叶斯网络打分。最后根据这些候选父集和分数将构建贝叶斯网络转换成整数线性规划问题，并使用分支定界和割平面两种方法，快速求解得到最高分数的全局最优的包括SNP位点和表型性状的贝叶斯网络，进而实现更有效、更准确的上位性检测。
-
公开(公告)号：CN110570909B
公开(公告)日：2023-03-03
申请号：CN201910859461.7
申请日：2019-09-11
Applicant: 华中农业大学
Abstract: 本发明涉及生物信息技术领域，提供了一种人工蜂群优化贝叶斯网络的上位性位点挖掘方法，包括S1‑S4四个步骤。本发明的一种人工蜂群优化贝叶斯网络的上位性位点挖掘方法，首先利用扩张、收缩、对称性检测三个阶段，通过条件互信息计算得到节点的马尔可夫毯，构建初始蜜源网络结构，然后，基于初始蜜源通过随机加边、减边、逆转边3种操作生成新的蜜源，直到达到最大初始蜜源数目，利用人工蜂群算法的三种操作(采蜜蜂、观察蜂和侦察蜂)与贝叶斯网络的BIC与MIT打分方法，对贝叶斯网络结构进行演化，找到最优的网络结构，快速准确的获取到影响表型性状的上位性基因位点，辅助基因功能挖掘。
-
公开(公告)号：CN109448794A
公开(公告)日：2019-03-08
申请号：CN201811287261.0
申请日：2018-10-31
Applicant: 华中农业大学
Abstract: 本发明公开了一种基于遗传禁忌和贝叶斯网络的上位性位点挖掘方法，包括：1、将基因型数据转换为二进制表示的布尔型数据；2、利用逻辑与操作快速地计算任意SNP位点对与表型间条件互信息，取出top-N节点对，构建包含SNP位点的初始网络图；3、基于初始网络个体，通过随机增加边、删除边、逆转边生成新的个体，直到网络个体数量达到种群大小规模；4、通过遗传算法的三种操作与贝叶斯网络的打分机制，对贝叶斯网络结构进行演化，找到网络结构的最优解，快速准确的获取到影响表型性状的上位性基因位点。本发明可以帮助生物学研究者得到影响特定表型性状的上位性基因位点，进而辅助基因功能挖掘，以及为不同物种的复杂数量性状的遗传基础解析提供借鉴。
-
公开(公告)号：CN110570909A
公开(公告)日：2019-12-13
申请号：CN201910859461.7
申请日：2019-09-11
Applicant: 华中农业大学
Abstract: 本发明涉及生物信息技术领域，提供了一种人工蜂群优化贝叶斯网络的上位性位点挖掘方法，包括S1-S4四个步骤。本发明的一种人工蜂群优化贝叶斯网络的上位性位点挖掘方法，首先利用扩张、收缩、对称性检测三个阶段，通过条件互信息计算得到节点的马尔可夫毯，构建初始蜜源网络结构，然后，基于初始蜜源通过随机加边、减边、逆转边3种操作生成新的蜜源，直到达到最大初始蜜源数目，利用人工蜂群算法的三种操作(采蜜蜂、观察蜂和侦察蜂)与贝叶斯网络的BIC与MIT打分方法，对贝叶斯网络结构进行演化，找到最优的网络结构，快速准确的获取到影响表型性状的上位性基因位点，辅助基因功能挖掘。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
