一种基于深度学习模型获取多基因风险评分的方法及系统

    公开(公告)号:CN111128298A

    公开(公告)日:2020-05-08

    申请号:CN201911342136.X

    申请日:2019-12-24

    Abstract: 本发明实施例公开了一种基于深度学习模型获取多基因风险评分的方法及系统,其包括:对原始SNP样本数据进行预处理;创建SNP数据与疾病风险评分关系的深度学习模型,所述深度学习模型至少包括深层神经网络模型、卷积神经网络模型和残差神经网络模型;对所述深度学习模型进行优化;基于优化后的深度学习模型对待评分的SNP数据进行评分。本发明通过使用大量的SNP位点训练对应的深度学习模型,从而拟合出SNP位点与遗传性疾病之间复杂的非线性关系,以更加便捷客观准确的为用户提供PRS评分。

    一种结合稀疏回归和淘汰规则的基因调控网络推断方法

    公开(公告)号:CN111583990B

    公开(公告)日:2023-12-15

    申请号:CN202010323493.8

    申请日:2020-04-22

    Abstract: 本发明提供一种结合稀疏回归和淘汰规则的基因调控网络推断方法,包括:读取基因表达数据;分别建立所述基因表达数据的稀疏回归模型;根据所述稀疏回归模型获取每个调控基因的权重和外部噪声,并建立所有调控基因的权重矩阵;对所述权重矩阵实施权重淘汰规则,按照所述淘汰规则去除权重绝对值较小的调控基因,并对基因表达数据中剩下的基因构建基因间的基因调控网络。本发明不仅可以快速地推断出基因调控网络,而且可以确定出具体的基因间的调控关系。通过结合先进的机器学习算法和优化规则,进而构造出更加准确且高效的数学模型来从基因表达数据中推断出基因调控网络。

    一种基于多组学数据获取多基因风险评分的方法及系统

    公开(公告)号:CN111161799A

    公开(公告)日:2020-05-15

    申请号:CN201911353185.3

    申请日:2019-12-24

    Abstract: 本发明实施例公开了一种基于多组学数据获取多基因风险评分的方法及系统,其包括输入多组学原始数据并对所述多组学原始数据进行预处理;将预处理后数据划分为训练集与验证集后,基于所述训练集创建线性回归模型,基于所述验证集对所述线性回归模型进行验证,在验证合格后选定出作为多基因风险评分的评分模型;对输入的待测数据进行评分。本发明解决了现有技术中数据来源缺乏多样性,那么就会对多基因风险评分的有效性存在一定的限制的弊端。

    一种基于多组学数据获取多基因风险评分的方法及系统

    公开(公告)号:CN111161799B

    公开(公告)日:2023-12-15

    申请号:CN201911353185.3

    申请日:2019-12-24

    Abstract: 本发明实施例公开了一种基于多组学数据获取多基因风险评分的方法及系统,其包括输入多组学原始数据并对所述多组学原始数据进行预处理;将预处理后数据划分为训练集与验证集后,基于所述训练集创建线性回归模型,基于所述验证集对所述线性回归模型进行验证,在验证合格后选定出作为多基因风险评分的评分模型;对输入的待测数据进行评分。本发明解决了现有技术中数据来源缺乏多样性,那么就会对多基因风险评分的有效性存在一定的限制的弊端。

    一种基于深度学习模型获取多基因风险评分的方法及系统

    公开(公告)号:CN111128298B

    公开(公告)日:2022-12-02

    申请号:CN201911342136.X

    申请日:2019-12-24

    Abstract: 本发明实施例公开了一种基于深度学习模型获取多基因风险评分的方法及系统,其包括:对原始SNP样本数据进行预处理;创建SNP数据与疾病风险评分关系的深度学习模型,所述深度学习模型至少包括深层神经网络模型、卷积神经网络模型和残差神经网络模型;对所述深度学习模型进行优化;基于优化后的深度学习模型对待评分的SNP数据进行评分。本发明通过使用大量的SNP位点训练对应的深度学习模型,从而拟合出SNP位点与遗传性疾病之间复杂的非线性关系,以更加便捷客观准确的为用户提供PRS评分。

    一种结合稀疏回归和淘汰规则的基因调控网络推断方法

    公开(公告)号:CN111583990A

    公开(公告)日:2020-08-25

    申请号:CN202010323493.8

    申请日:2020-04-22

    Abstract: 本发明提供一种结合稀疏回归和淘汰规则的基因调控网络推断方法,包括:读取基因表达数据;分别建立所述基因表达数据的稀疏回归模型;根据所述稀疏回归模型获取每个调控基因的权重和外部噪声,并建立所有调控基因的权重矩阵;对所述权重矩阵实施权重淘汰规则,按照所述淘汰规则去除权重绝对值较小的调控基因,并对基因表达数据中剩下的基因构建基因间的基因调控网络。本发明不仅可以快速地推断出基因调控网络,而且可以确定出具体的基因间的调控关系。通过结合先进的机器学习算法和优化规则,进而构造出更加准确且高效的数学模型来从基因表达数据中推断出基因调控网络。

Patent Agency Ranking