[发明专利]一种培养基混合比例优化方法、装置、设备及介质

说明书

本发明提供了一种培养基混合比例优化方法、装置、设备及介质，方法包括：以每一培养基母液对应的第一输入变量作为输入数据，以每一培养基母液对应的培养基的培养效果作为输出数据，对预设的机器学习模型进行训练，得到训练完成的机器学习模型；基于预设的优化算法对训练完成的机器学习模型进行优化，得到使每一培养基母液的培养效果最优对应的第二输入变量；根据每一培养基母液对应的第二输入变量，得到使每一培养基母液的培养效果最优对应的目标混合比例。采用本发明实施例，能够通过对输入到模型的数据进行数据降维处理，并基于机器学习技术进行混合比例开发，选择出一个或多个最佳的混合比例，从而进一步提高了混合试验的准确率。

技术领域

本发明涉及生物技术领域，尤其涉及一种培养基混合比例优化方法、装置、设备及介质。

背景技术

培养基，是指供给微生物、植物或动物生长繁殖，由不同营养物质组合配制而成的营养基质，一般都含有碳水化合物、含氮物质、无机盐、维生素和水等几大类物质，培养基既是提供细胞营养和促使细胞增殖的基础物质，也是细胞生长和繁殖的生存环境。

但是，本发明人在对现有技术的研究中发现，在进行培养基混合和比例优化的过程中，当前的传统技术仅能选择少量培养基并按照特定比例进行分析，对于如何在大量培养中选择混合的培养基以及如何设置各个混合培养基的比例，是传统培养基配方优化的难点。

发明内容

本发明提供一种培养基混合比例优化方法、装置、设备及介质，能够提供一个或多个最佳的培养基混合比例，从而进一步提高了混合试验的准确率。

为实现上述目的，第一方面，本发明实施例提供了一种培养基混合比例优化方法，包括以下步骤：

以每一培养基母液对应的第一输入变量作为输入数据，以每一所述培养基母液对应的培养基的培养效果作为输出数据，对预设的机器学习模型进行训练，得到训练完成的机器学习模型；其中，每一所述培养基母液对应的第一输入变量是根据每一所述培养基母液的初始混合比例转换得到的；

基于预设的优化算法对所述训练完成的机器学习模型进行优化，得到使每一所述培养基母液的培养效果最优对应的第二输入变量；

根据每一所述培养基母液对应的第二输入变量，得到使每一所述培养基母液的培养效果最优对应的目标混合比例。

作为其中一种可选的实施例，通过以下公式将每一所述培养基母液的初始混合比例转换得到每一所述培养基母液对应的第一输入变量：

其中，x_i为每一所述培养基母液对应的第一输入变量，i为对应不同的培养基，取值范围为2～，n为培养基母液的数量，p_i为培养基混合比例，ε为大于0的无穷小量。

作为其中一种可选的实施例，所述培养基的培养效果包括：细胞活率、细胞密度、蛋白表达量、糖谱、电荷异质性。

作为其中一种可选的实施例，所述预设的机器学习模型包括：支持向量机回归模型、K最近邻模型、XGBoost、岭回归、LightGBM、随机森林、GBDT、或深度学习模型；

所述深度学习模型包括：全连接神经网络、卷积神经网络、循环神经网络或注意力模型。

作为其中一种可选的实施例，所述基于预设的优化算法对所述训练完成的机器学习模型进行优化，得到使每一所述培养基母液的培养效果最优对应的第二输入变量，包括：

基于预设的全局优化算法或预设的启发算法，在搜索空间内进行培养效果的回归预测，得到使每一所述培养基母液的培养效果最优对应的第二输入变量。

作为其中一种可选的实施例，所述全局优化算法包括：遗传算法、贪心算法、退火算法、蚁群算法、粒子群算法、人工蜂群算法、人工鱼群算法、混洗蛙跳算法、烟花算法、细菌觅食优化算法、萤火虫算法；