[发明专利]一种基于机器学习选择最优特征的DNA甲基化预测方法

权利要求书

1.一种基于机器学习选择最优特征的DNA甲基化预测方法，其特征在于，包含以下步骤：

S1：根据n个训练样本的m个CpG位点的数据和p个测试样本的m个CpG位点的数据，分别生成包含训练样本替代器官DNA甲基化值的数据矩阵X(n×m)，包含训练样本目标器官DNA甲基化值的数据矩阵Y(n×m)，包含测试样本替代器官DNA甲基化值的数据矩阵W(p×m)，包含测试样本目标器官DNA甲基化值的数据矩阵Z(p×m)；

其中n是训练数据集样本个数，p是测试集样本个数，m是CpG位点个数，元素x_it(i＝1～n，t＝1～m)的含义是训练样本中替代器官里第i个样本中第t个CpG位点的DNA甲基化的值，元素y_it(i＝1～n，t＝1～m)的含义是训练样本中目标器官里第i个样本中第t个CpG位点的DNA甲基化的值，元素w_it(i＝1～p，t＝1～m)的含义是测试样本中替代器官里第i个样本中第t个CpG位点的DNA甲基化的值，元素z_it(i＝1～p，t＝1～m)的含义是测试样本中目标器官里第i个样本中第t个CpG位点的DNA甲基化的值，x_i.是矩阵X(n×m)的第i行，x_.j是矩阵X(n×m)的第j列，y_i.是矩阵Y(n×m)的第i行，y_.j是矩阵Y(n×m)的第j列，w_i.是矩阵W(p×m)的第i行，w_.j是矩阵W(p×m)的第j列，z_i.是矩阵Z(p×m)的第i行，z_.j是矩阵Z(p×m)的第j列；

S2：指定位点j，去掉包含训练样本替代器官DNA甲基化值的数据矩阵X(n×m)的第j列，形成替代器官训练矩阵X_train，提取包含训练样本目标器官DNA甲基化值的数据矩阵Y(n×m)的第j列，形成目标器官训练向量Y_train；

S3：指定最强相关CpG位点的个数L，并使用机器学习算法一建立模型X_opt＝F(X_train，Y_train)；

S4：从X_opt筛选出L-1个最强相关CpG位点{x_.k}并与x_.j合并为最强相关CpG位点集合X₁(n×L)；

S5：使用机器学习算法二对最强相关CpG位点集合X₁(n×L)进行建模；

S6：使用S5中的生成模型对包含测试样本替代器官DNA甲基化值的数据矩阵W(p×m)进行预测，得到预测的包含测试样本目标器官DNA甲基化值的数据矩阵Z^*(p×m)；

S7：比较预测的包含测试样本目标器官DNA甲基化值的数据矩阵Z^*(p×m)和包含测试样本目标器官DNA甲基化值的数据矩阵Z(p×m)，进行评价指标计算；

S8：变更S3中的最强相关CpG位点的个数L和机器学习算法一的类型以及变更S5中机器学习算法二的类型，重复S3～S7，共生成Q个模型及其评价指标；

S9：对Q个模型的评价指标进行综合比较，确定机器学习算法一、机器学习算法二的类型以及最强相关CpG位点的个数L。

2.根据权利要求1所述的基于机器学习选择最优特征的DNA甲基化预测方法，其特征在于，所述步骤S3中所述的机器学习算法一为随机森林或过滤式或包裹式或嵌入式特征选择算法。

3.根据权利要求1所述的基于机器学习选择最优特征的DNA甲基化预测方法，其特征在于，所述步骤S5中所述的机器学习算法二为支持向量机或深度学习算法。