[发明专利]一种基于卷积神经网络的核小体分类预测方法

摘要

本发明公开了一种基于卷积神经网络的核小体分类预测方法，其特征是，包括如下步骤：1）特征提取；2）提取核小体或链接体DNA序列中核苷酸的物理化学属性；3）添加生物特性；4）获取第24维向量；5）添加核苷酸化学性质；6）得到包含生物信息的矩阵；7）构建卷积神经网络结构；8）分类核小体。这种方法能精准预测核小体的分类。

主权项

一种基于卷积神经网络的核小体分类预测方法，其特征是，包括如下步骤：1)特征提取：选取UCSC基因组数据库中智人、线虫和黑腹果蝇三个生物的核小体或链接体的DNA序列，每一段核小体或链接体的DNA序列长度为147bp，bp是指碱基对，通过独热编码依次将每一段核小体或链接体的DNA序列中的二核苷酸ATCG的16种组合方式转化成16维的向量，该特征向量表示如公式(1)：Xi＝(Pi,1,Pi,2,...,Pi,16)T     (1)Xi表示第i个核小体或链接体此时的特征向量,Pi,1,Pi,2,...,Pi,16代表二核苷酸16种组合方式独热编码，T表示转置；2)提取核小体或链接体DNA序列中核苷酸的物理化学属性：选自Goniet al‑Genome biology,2007,8,R263中的六种物理结构性质的原始值，二核苷酸的空间排列由六个参数表征，其中三个是局部平移参数，另外三个是局部角参数,将六种物理结构性质的原始值进行标准转换由公式(2)描述：Pv(RiRi+1)=Pv(RiRi+1)-<Pv>SD(Pv)---(2),]]>其中符号<>表示取其中超过16种不同的二核苷酸的量的平均值，SD意味着相应的标准偏差，如果再次通过相同的转换过程并且将保持不变，在16个不同的二核苷酸上由公式(2)获得的转换值将具有零的平均值，再将6种二核苷酸的空间排列特征添加到步骤1)中的16维的向量中，得到22维的向量，对应这阶段特征向量有公式(3)形式：Xi＝(Pi,l,Pi,2,L,Pi,16,Ri,17,L,Ri,22)T    (3)Ri,17,L,Ri,22分别表示6种二核苷酸的空间排列特征；3)添加生物特性：采用Segal‑Segal E，Foudufe—Mittendorf Y，Chen L，et a1.A genomic code for nueleosome positioning[J].Nature，2006，443：772‑778.中公开的方法，将16种二核苷酸在核小体或链接体DNA序列中的平均占有率的生物特性添加到步骤2)得到的22维向量中，得到23维的向量，对应这阶段特征向量有公式(4)形式：Xi＝(Pi,l,Pi,2,L,Pi,16,Ri,17,L,Ri,22,ki,23)T      (4)ki,23表示该二核苷酸在核小体或链接体DNA序列中的平均占有率；4)获取第24维向量：通过计算147bp的核小体、或链接体DNA序列的每个位置的该核苷酸在147bp的核小体、或链接体DNA序列出现次数与此核小体、或链接体DNA序列的长度比值，将该比值添加到步骤3)的23维向量中，得到第24维向量，对应这阶段特征向量有公式(5)形式：Xi＝(Pi,l,Pi,2,L,Pi,16,Ri,17,L,Ri,22,ki,23,Mi,24)T    (5)Mi,24表示147bp的核小体、或链接体DNA序列的每个位置的该核苷酸在147bp的核小体、或链接体DNA序列出现次数与此核小体、或链接体DNA序列的长度比值；5)添加核苷酸化学性质：在步骤4)得到的第24维向量中添加核苷酸的环形结构、官能团、互补配对时氢键的强弱这3个核苷酸的化学性质，用第25维代表相邻两个中第一个核苷酸的环形结构，嘌呤用‘1’表示，嘧啶用‘0’表示，第26维代表其官能团，氨基用‘1’表示，酮基用‘0’表示，第27维代表互补配对时氢键的强弱，强用‘1’表示，弱用‘0’表示，对应这阶段特征向量有公式(6)形式：Xi＝(Pi,l,Pi,2,L,Pi,16,Ri,17,L,Ri,22,ki,23,Mi,24,Ni,25,Ni,26,Ni,27)T   (6)Ni,25,Ni,26,Ni,27分别表示核苷酸的环形结构、官能团、互补配对时氢键的强弱这3个核苷酸的化学性质；6)得到包含生物信息的矩阵：有N个核小体、或M个链接体DNA序列，每个核小体或链接体DNA序列的长度为147bp，遍历生物的核小体或链接体的DNA序列得到一个包含生物信息的*(147*27)的矩阵如公式(7)：P=P1,1P1,2LP1,27P2,1P2,2LP2,27LLLLPi,1Pi,2LPi,27LLLLPn,1Pn,2LPn,27nx27---(7)]]>Pi,1 Pi,2 L Pi,27表示由1至5步得到特征，i表示第i个核小体或连接体DNA序列，n表示核小体或连接体DNA序列的总数，P表示n×27的矩阵；7)构建卷积神经网络结构：假定卷积神经网络结构包括输入层、卷积层、子采样层、全连接层和输出层；提高性能超过传统模式，增加可解释性,提高模型预测精度。8)分类核小体：将步骤6)中的生物特征矩阵导入到卷积神经网络分类出核小体。