[发明专利]潜在毒力因子的确定方法、装置、计算机设备及存储介质

权利要求书

1.一种潜在毒力因子的确定方法，所述方法包括：

将获取的待筛查基因序列输入预设的第一特征提取单元提取特征，得到第一特征；

获取第二特征，其中，所述第二特征是将目标毒力因子对应的毒力因子拼接数据输入预设的第二特征提取单元提取得到的特征，所述目标毒力因子是毒力因子库中的任一个毒力因子，所述毒力因子拼接数据是对毒力因子对应的基因序列及保守片段进行拼接得到的数据；

根据所述第一特征和所述第二特征判断所述目标毒力因子是否为候选毒力因子，包括：采用预设的相关度提取单元，对所述第一特征和所述第二特征进行单因子相关度特征图提取；

采用预设的分类预测层，对所述单因子相关度特征图进行分类预测，得到单因子分类预测向量，包括：将所述待筛查基因序列输入预设的分类预测模型进行毒力因子预测，得到多因子分类预测向量；从所述多因子分类预测向量中提取与所述目标毒力因子对应的向量元素值，作为待处理概率值；对所述待处理概率值和所述单因子相关度特征图进行融合处理，得到处理后特征图；采用所述分类预测层，对所述处理后特征图进行包含所述目标毒力因子的概率的分类预测，得到所述单因子分类预测向量；

若所述单因子分类预测向量中的存在向量元素的值大于预设的第一概率阈值，则将所述目标毒力因子作为所述候选毒力因子；

根据预设的比对方法和各个所述候选毒力因子各自对应的所述基因序列，确定所述待筛查基因序列对应的各个潜在毒力因子。

2.根据权利要求1所述的潜在毒力因子的确定方法，其特征在于，所述第一特征提取单元依次包括：第一深度神经网络层和第一深层特征提取层；

所述第二特征提取单元依次包括：第二深度神经网络层和第二深层特征提取层；

所述第一深度神经网络层和所述第二深度神经网络层均是基于深度神经网络得到的网络层，并且所述第一深度神经网络层的网络参数和所述第二深度神经网络层的网络参数不共享；

所述第一深层特征提取层包括：卷积层；

所述第二深层特征提取层依次包括：卷积网络层和池化层。

3.根据权利要求2所述的潜在毒力因子的确定方法，其特征在于，所述采用预设的相关度提取单元，对所述第一特征和所述第二特征进行单因子相关度特征图提取的步骤，包括：

对所述第二特征进行平铺复制，得到第三特征，其中，所述第三特征的尺寸与所述第一特征的尺寸相同；

采用基于卷积网络训练得到的所述相关度提取单元，对所述第一特征和所述第三特征进行所述单因子相关度特征图提取。

4.根据权利要求2所述的潜在毒力因子的确定方法，其特征在于，所述将获取的待筛查基因序列输入预设的第一特征提取单元提取特征，得到第一特征的步骤之前，还包括：

获取各个基因序列样本；

根据所述基因序列样本获取与每个所述毒力因子拼接数据对应的单因子标签；

将任一个所述基因序列样本作为正向序列样本；

对所述正向序列样本进行反转处理，得到反向序列样本；

将各个所述毒力因子拼接数据中的任一个所述毒力因子拼接数据作为目标拼接数据；

将所述正向序列样本、所述目标拼接数据和与所述目标拼接数据对应的所述单因子标签，作为第一训练样本；

将所述反向序列样本、所述目标拼接数据和与所述目标拼接数据对应的所述单因子标签，作为第二训练样本；

将各个所述第一训练样本和各个所述第二训练样本作为训练样本集；

采用所述训练样本集对预设的初始模型进行训练，将训练结束的所述初始模型作为目标模型，其中，所述目标模型包括：所述第一特征提取单元、所述第二特征提取单元、所述相关度提取单元和所述分类预测层。