[发明专利]一种病毒基因识别和宿主预测的方法与系统

权利要求书

1.一种病毒基因识别的方法，其特征在于，包括以下步骤：

S11：获取待测样本的宏基因组；

S12：获取所述宏基因组的k-mer频度向量；

S13：构建三元组并输入到第一三元组网络进行训练，训练后的第一三元组网络使病毒与细菌的特征向量距离增大；

S14：将所述宏基因组的k-mer频度向量输入所述训练后的所述第一三元组网络，从中识别出病毒序列。

2.根据权利要求1所述的一种病毒基因识别的方法，其特征在于，S13所述第一三元组网络的训练集为由已知病毒和细菌的k-mer频度向量构建的三元组其中x为k-mer频度向量，角标i、i⁺、i^-分别表示(病毒、病毒、细菌)或(细菌、细菌、病毒)，所述第一三元组网络的损失函数

3.根据权利要求1所述的一种病毒基因识别的方法，其特征在于，S14所述识别出病毒序列具体包括：

将所述宏基因组的k-mer频度向量输入所述训练后的所述第一三元组网络，得到特征变换后的特征向量，应用SVM分类器，将所述特征向量归类为病毒或者细菌。

4.一种病毒宿主预测的方法，其特征在于，包括以下步骤：

S21：采用权利要求1-3任一项所述的方法获取病毒序列；

S22：获取所述病毒序列的k-mer频度向量；

S23：构建三元组并输入到第二三元组网络进行训练，训练后的第二三元组网络使病毒与宿主细菌的特征向量距离减小，病毒与非宿主细菌的特征向量距离增大；

S24：将所述病毒序列的k-mer频度向量输入所述训练后的第二三元组网络，从而匹配出病毒可能的宿主细菌。

5.根据权利要求4所述的一种病毒宿主预测的方法，其特征在于，S23所述第二三元组网络的训练集为由宿主已知的病毒和已知细菌的k-mer频度向量构建的三元组其中x为k-mer频度向量，角标i、i⁺、i^-分别表示(病毒、宿主细菌类、非宿主细菌类)，所述宿主细菌类为与所述病毒的宿主细菌为同类的细菌，所述非宿主细菌类为与所述病毒的宿主细菌不同类的细菌，所述第二三元组网络的损失函数

6.根据权利要求4所述的一种病毒宿主预测的方法，其特征在于，S23所述第二三元组网络的训练集为由宿主已知的病毒k-mer频度向量构建的三元组其中x为k-mer频度向量，角标i、i⁺、i^-分别表示(病毒、同宿主病毒类、不同宿主病毒类)，所述同宿主病毒类为具有和所述病毒同类宿主的病毒，所述不同宿主病毒类为具有和所述病毒不同类宿主的病毒，所述第二三元组网络的损失函数

7.根据权利要求4所述的一种病毒宿主预测的方法，其特征在于，S24所述匹配出病毒可能的宿主细菌具体包括：将所述病毒序列的k-mer频度向量输入所述训练后的第二三元组网络，得到特征变换后的特征向量，通过计算所述特征向量的向量相似度来匹配病毒可能的宿主细菌，所述向量相似度采用欧氏距离算法或者余弦相似度算法计算。

8.一种病毒基因识别的系统，其特征在于，包括：

宏基因组数据预处理模块：配置用于获取待测样本的宏基因组数据；

宏基因组频度向量计算模块：配置用于获取所述宏基因组的k-mer频度向量；

病毒-细菌三元组训练模块：配置用于构建三元组并输入到第一三元组网络进行训练，训练后的第一三元组网络使病毒与细菌的特征向量距离增大；

病毒序列识别模块：配置用于将所述宏基因组的k-mer频度向量输入所述训练后的所述第一三元组网络，从中识别出病毒序列。