[发明专利]DNA6mA修饰类别的预测方法、装置、设备和存储介质

说明书

本申请提供了一种DNA6mA修饰类别的预测方法、装置、设备和存储介质。方法包括：获取DNA6mA特征数据集；确定所述DNA6mA特征数据集中各个序列间的相似度矩阵；对所述相似度矩阵进行对数化处理，获得所述各个序列间的第一矩阵距离矩阵；对所述距离矩阵进行高斯化处理，获得满足正定性要求的距离矩阵；将所述满足正定性要求的距离矩阵作为支持向量机的自定义核矩阵，并基于支持向量机模型，对待预测序列的DNA6mA修饰类别进行预测。能够预测序列的DNA6mA修饰类别。

技术领域

本申请涉及生物信息学技术领域，特别是涉及一种DNA6mA修饰类别的预测方法、装置、设备和存储介质。

背景技术

人类最早发现的表观遗传调控机制之一就是DNA甲基化。哺乳动物中最主要的DNA修饰是5mC（5-甲基胞嘧啶），占人类DNA中总胞嘧啶的3%-6%。相反，5mC在原核生物中很少，而6mA（N6-甲基腺嘌呤）则是原核生物中最具代表性的DNA修饰，主要参与限制-修饰系统，保护个体免受外来DNA的侵入。1951年6mA修饰首次在细菌中被发现。然而，它不像5mC那样受到重视。一个重要的原因是6mA的修饰被认为只在原核生物和单细胞真核生物中广泛存在，但在多细胞真核生物中很少发现。但近年来实验性方法在真核生物，甚至包括哺乳动物和植物基因组中鉴定到了6mA，并发现6mA在生长发育和疾病调控中具有重要作用。这些研究掀开了真核生物表观遗传修饰的新篇章。但是随着数据量的不断的增大和对准确率的更高的要求，实验性方法高耗时和高成本的缺点就暴露出来了，于是一些计算性方法就涌现了出来。基于机器学习的预测工具不断被开发出来，包括iDNA6mA-PseKNC，i6mA-Pred等，但是很少有研究以序列间的距离作为分类预测的主要依据。因此，有必要研究如何利用序列距离对DNA6mA进行分类。

发明内容

本申请提供一种DNA6mA修饰类别的预测方法、装置、设备和存储介质，能够预测序列的DNA6mA修饰类别。

本申请实施例第一方面提供了一种DNA6mA修饰类别的的预测方法，包括：

获取DNA6mA特征数据集；

确定所述DNA6mA特征数据集中各个序列间的相似度矩阵；

对所述相似度矩阵进行对数化处理，获得所述各个序列间的距离矩阵；

对所述距离矩阵进行高斯化处理，获得满足正定性要求的距离矩阵；

将所述满足正定性要求的距离矩阵作为支持向量机的自定义核矩阵，并基于支持向量机模型，对DNA6mA修饰类别进行预测。

可选地，确定所述DNA6mA特征数据集中各个序列间的相似度矩阵，包括：

基于后缀树的双序列比对模型得到所述DNA6mA特征数据集中各个序列间的相似度矩阵。

可选地，基于后缀树的双序列比对模型得到所述DNA6mA特征数据集中各个序列间的相似度矩阵，包括：

将第一输入序列构造为第一后缀树；

获取与所述第一输入序列进行比对的第二输入序列；

基于所述第一后缀树和所述第二输入序列，采用LCS模型确定所述第一输入序列和所述第二输入序列的公共子串；

基于预设合格标准，从所述公共子串中剔除不合格子串；

采用Needleman-Wunsch模型将所述第一输入序列和第二输入序列中未匹配的子串进行比对，并基于比对结果形成比对结果序列；

基于所述公共子串的长度和所述比对结果序列长度，确定所述第一输入序列和所述第二输入序列之间的相似度。

可选地，所述DNA6mA特征数据集包括正例数据集和反例数据集，所述正例数据集为DNA6mA序列，所述反例数据集为非DNA6mA序列。