[发明专利]一种基于深度学习的基因表达谱距离度量方法

摘要

本发明属于基因表达谱分类领域，公开了一种基于深度学习的基因表达谱距离度量方法，属于深度学习在生物大数据上的挖掘和应用。首先，设计了一种适用于基因特征度量学习的卷积神经网络模型来提取数据的特征，然后运用改进的余弦距离来计算数据之间的距离，最后通过分类算法的分类效果来衡量该方法的优良。该方法能够快速高效地度量出不同的基因表达谱之间的相似度，为后续的基因分类、聚类、差异性表达分析、化合物筛查等研究提供数据。相比较传统的基因富集方法，这种方法显著提高了数据之间的距离度量效果，并且可以有效的减少基因表达谱分析时候的人工干预，避免了常规深度网络易产生的过拟合现象，该方法有较强的可迁移性。

主权项

1.一种基于深度学习的基因表达谱距离度量方法，其特征在于，包括以下步骤：步骤一：数据转换处理，包括以下步骤，1.1.将基因表达谱数据转换成正方形数据矩阵，正方形矩阵长度根据表达谱数据的维度来计算，具体计算方式是：将数据维度为N的样本，转换为x*x的正方形矩阵，其中x通过公式获得，多出来的像素位置补齐为0；1.2.对正方形矩阵进行归一化和减均值数据预处理操作；1.3.将不同类别的表达谱矩阵分别赋予不同的类别标签，并划分训练、验证和测试样本集；步骤二：提取训练样本数据的高层次特征，包括以下步骤，2.1.将训练样本集传入特征提取网络进行特征提取，其中，特征提取网络采用DenseNet基本结构搭建，并使用三个Dense block，每个Dense block里面包含16层卷积，压缩系数为0.5，模型增长率为12；2.2.进行网络训练，网络训练是特征提取的关键步骤，网络训练过程中采用隐式度量学习的思路和随机梯度下降方式训练整个网络，网络训练过程中的参数是：其中，J是损失，θ是网络参数，η是学习率，循环训练网络以拉大特征的类间距离减小类内距离,用以减少迭代次数而达到收敛状态；2.3.训练完成后获得最小损失函数，最小损失函数由CenterLoss和SoftmaxLoss结合而成：其中，m是类别数量，n是训练的批次大小，y_i是单个类别，和是权重值，和b_j是偏差值，x_i是传入的训练值，是每个类别的聚类中心，λ是训练中学习到的参数；2.4.通过特征提取网络获得样本数据的高层次特征；步骤三：计算数据之间的距离，包括以下步骤，3.1.接受步骤二中获得的高层次特征作为参数进行距离计算，距离计算网络基于Siamese网络构架组成，其中，Siamese结构有两个分支，两个分支结构相同且共享权值，并且两个分支结构中的卷积神经网络部分由DenseNet网络构成；3.2.将测试数据传入网络，得到他们CenterLoss中已经定义好长度的高级特征表达，然后再用改进的余弦距离计算数据之间的距离，用以解决cosine相似度仅考虑向量维度方向上的相似而没考虑到各个维度具体表达值的缺点，改进的余弦距离计算方式为：其中，A和B是样本集，Sim(A，B)是样本之间的距离，是A^*中的单个样本，是B^*中的单个样本，max是样本数据的最大值，min是样本数据的最小值,mean是所有样本的均值；步骤四：检验所得距离的性能，将步骤三得到的距离和GSEA在同样本数据下得到的距离传入分类器中进行分类，得到两种方法的分类准确度，比较分类准确度高低，判定分类准确度高的方法获得的距离性能较好。