[发明专利]一种sgRNA的靶标活性预测方法、装置、设备和存储介质

说明书

本申请提供了一种sgRNA的靶标活性预测方法、装置、设备和存储介质。方法包括：获取sgRNA序列数据集；对所述sgRNA序列数据集进行序列特征提取，得到多个特征信息；将所述多个特征信息进行融合，得到特征集；基于所述特征集对种子模型进行训练，得到活性预测模型；获取待预测sgRNA序列；基于所述活性预测模型，预测所述待预测sgRNA序列的靶标活性。能够确定sgRNA的靶标活性。

技术领域

本申请涉及生物信息技术领域，特别是涉及一种sgRNA的靶标活性预测方法、装置、设备和存储介质。

背景技术

单导RNA(single-guide RNA，sgRNA)是一种引导RNA，由两个RNA(tracRNA和crRNA)融合而成。这些RNA可以结合到cas9蛋白，并引导cas9酶到基因组DNA的目标区域，并对DNA进行切割。sgRNA是CRISPR/Cas9基因敲除系统的重要组成部分，在基因编辑和疾病治疗方面具有重要意义。高活性的sgRNA对靶标将显示出较高的突变效率，提高后续筛选和鉴定方案的效率。

因此，在基因编辑之前，如何确定sgRNA的靶标活性是亟待解决的问题。

发明内容

本申请提供一种sgRNA的靶标活性预测方法、装置、设备和存储介质，能够确定sgRNA的靶标活性。

本申请实施例第一方面提供了一种sgRNA的靶标活性预测方法，包括：

获取sgRNA序列数据集；

对所述sgRNA序列数据集进行序列特征提取，得到多个特征信息；

将所述多个特征信息进行融合，得到特征集；

基于所述特征集对种子模型进行训练，得到活性预测模型；

获取待预测sgRNA序列；

基于所述活性预测模型，预测所述待预测sgRNA序列的靶标活性。

可选地，基于所述特征集对种子模型进行训练，得到活性预测模型，包括：

从所述特征集中选取出最优特征信息，得到不平衡特征集；

对所述不平衡特征集进行上采样处理，得到平衡特征集；

基于所述平衡特征集对所述种子模型进行训练，得到活性预测模型。

可选地，对所述不平衡特征集进行上采样处理，得到平衡特征集，包括：

获取采样率；

基于所述采样率对所述不平衡特征集进行上采样处理，得到平衡特征集。

可选地，获取采样率，包括：

基于所述不平衡特征集运行支持向量机，得到支持向量集；

确定所述支持向量集中的元素的多个邻域；

基于所述多个邻域，对所述支持向量集中的元素进行分类，得到多数类样本、边界样本和少数类样本；

基于所述多数类样本、所述边界样本和所述少数类样本，确定采样率。

可选地，基于所述采样率对所述不平衡特征集进行上采样处理，得到平衡特征集，包括：

获取边界样本和少数类样本的多个最近邻；

基于所述边界样本和所述多个最近邻，对所述少数类样本进行插值处理，以使插值处理后的所述少数类样本与所述多数类样本的数量相平衡，以获得平衡特征集。

可选地，所述sgRNA序列数据集包括：高活性sgRNA序列数据和低活性sgRNA序列数据。