[发明专利]一种用于遗传变异致病性打分的机器学习模型的构建方法

权利要求书

1.一种用于遗传变异致病性打分的机器学习模型的构建方法，其特征在于，包括：

A、获取包含有单一遗传病的变异信息的变异数据文件，并将所述文件进行注释；

B、根据注释后的信息筛选出每条变异数据的单转录本；

C、对筛选后的单转录本中的数据进行数据分类平衡调整；

D、对调整后的数据进行初始特征值的筛选；

E、将筛选后特征值中的非数值特征进行独热编码量化；

F、将独热编码量化后的特征值中的缺失值进行填补；

G、将填补后的特征值输入到机器学习模型中进行训练，以获取用于遗传变异致病性打分的机器学习模型；

其中，所述步骤B中的单转录本选取的优先级依次为：

选取多个转录本中包含有与某一单一遗传病相关的基因的转录本；

选择与数据库中权威转录本相匹配的转录本；

根据变异结果影响的序列本体论序列信息的优先级，选取对变异结果影响影响最大的转录本；

根据转录本正负链信息，选取其中的正链的转录本。

2.根据权利要求1所述的方法，其特征在于，所述步骤C包括：

C1、根据所述单一遗传病相关的文献及数据库，将其中的变异位点划分为致病位点和良性位点；

C2、按照一指定的致病位点/良性位点的比例，选取一定数量的良性位点，以使训练数据平衡；

其中，所述文献及数据库，来源于至少包括以下其一：生物医学论文搜索引擎PubMed、千人基因组1000Genome、国家心肺和血液研究所外显子组测序计划ESP、人类外显子组整合数据库ExAc及人基因组集合数据库gnomAD。

3.根据权利要求1-2任一项所述的方法，其特征在于，所述步骤D包括：

D1、根据所述数据中的不同的变异基因对应表达的蛋白功能，对所述变异基因与所述单一遗传病之间进行致病相关性分析，并获取相关性显著的基因；

D2、将相关性显著的基因、基因的位置及该基因对应的遗传模式作为初始特征值。

4.根据权利要求3所述的方法，其特征在于，所述步骤D还包括至少以下其一：

获取各个变异位点对应的变异结果影响的序列本体论信息，将其作为初始特征值；

获取各个变异位点所处的外显子的特征信息，将其作为初始特征值；

获取各个变异位点附近的重复序列信息，将其作为初始特征值；

获取各个变异位点在现有的文献及数据库中的特征信息，将其作为初始特征值；

其中，所述文献及数据库，来源于至少包括以下其一：生物医学论文搜索引擎PubMed、千人基因组1000Genome、国家心肺和血液研究所外显子组测序计划ESP、人类外显子组整合数据库ExAc及人基因组集合数据库gnomAD。

5.根据权利要求4所述的方法，其特征在于，所述步骤D还包括：

获取各个变异位点在各种人群中出现的频率信息。

6.根据权利要求5所述的方法，其特征在于，所述步骤D还包括：

获取各个变异位点的保守性相关的信息。