买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京大学

摘要：本申请提供了一种噬菌体分类方法、装置、设备及存储介质，涉及生物测序技术领域。本申请将从噬菌体全基因组数据提取出的短序列样本进行独热编码，直接使用碱基信息训练预先构建的深度神经网络，得到能够基于短序列信息，鉴定噬菌体属于温和噬菌体还是烈性噬菌体的分类器。鉴于宏基因组测序得到的噬菌体序列长度跨度较大，本申请设置对应四组不同长度区间的深度神经网络，各组长度区间下的深度神经网络学习不同长度的序列特征，提高预测性能。另外针对长度超过四组长度区间的序列，设置了基于权重的预测方法，使得本申请可以对任意长度的噬菌体序列进行分类。本申请还对短序列样本进行补序，扩充训练数据，提高了深度神经网络的分类性能。

主权项：1.一种噬菌体分类方法，其特征在于，所述方法包括：根据待分类噬菌体片段的序列长度，获取与所述序列长度对应的至少一个预设分类网络，在所述序列长度小于100bp时，根据第一预设分类网络的输入范围，获取补序长度；采用预设编码，将所述待分类噬菌体片段补序到所述补序长度，并获取第一预设分类网络；所述预设分类网络的训练样本为温和噬菌体和烈性噬菌体的不同序列长度的短序列样本；对所述待分类噬菌体片段的所有碱基进行独热编码，得到碱基序列特征；将所述碱基序列特征输入所述至少一个预设分类网络；根据所述至少一个预设分类网络的输出分数，确定所述待分类噬菌体片段的类型，基于阈值分数判断所述待分类噬菌体是温和噬菌体或者是烈性噬菌体；所述方法还包括：获取温和噬菌体的第一全基因组数据，和烈性噬菌体的第二全基因组数据；模拟宏基因组测序获得序列信息的特征，设置不同长度的多个长度区间；从所述第一全基因组数据中提取分别对应所述多个长度区间的多个第一短序列样本；从所述第二全基因组数据中提取分别对应所述多个长度区间的多个第二短序列样本；获取与所述多个长度区间分别对应的深度神经网络，并利用所述多个第一短序列样本和所述多个第二短序列样本分别对与所述多个长度区间分别对应的深度神经网络进行多次训练，得到所述至少一个预设分类网络；从所述第一全基因组数据中提取多个第一短序列样本之后，所述方法还包括：对所述多个第一短序列样本进行反向补序，得到多个第三短序列样本；从所述第二全基因组数据中提取多个第二短序列样本之后，所述方法还包括：对所述多个第二短序列样本进行反向补序，得到多个第四短序列样本；利用所述多个第一短序列样本和所述多个第二短序列样本分别对与所述多个长度区间分别对应的深度神经网络进行多次训练，得到所述至少一个预设分类网络，包括：利用所述多个第一短序列样本、所述多个第二短序列样本、所述多个第三短序列样本以及所述多个第四短序列样本，分别对与所述多个长度区间分别对应的深度神经网络进行多次训练，得到所述至少一个预设分类网络。

全文数据：

权利要求：

百度查询： 北京大学 一种噬菌体分类方法、装置、设备及存储介质