[发明专利]一种基于RNN-CNN神经网络融合算法的人体周期表达基因识别方法

说明书

本发明公开了一种基于RNN‑CNN神经网络融合算法的人体周期表达基因识别方法，首先对原始数据进行缺失修补和时序周期延拓，然后通过数据标签建立优质学习数据集，将周期表达数据进行热图聚类，以视觉角度初始了解生物钟基因的特定表达，然后利用深度学习算法，将循环神经网络算法和卷积神经网络算法结合成RNN‑CNN融合算法，最后将RNN‑CNN融合算法分类器与常用的深度学习算法CNN、RNN进行周期与非周期基因亚型分类，将分类结果进行了交叉验证，并用准确度评分、召回率以及综合评价指标进行评价。

技术领域

本发明属于基因信息处理领域，特别涉及种基于RNN-CNN神经网络融合算法的人体周期表达基因识别方法。

背景技术

生物钟又称生理钟。它是生物体内的一种无形的“时钟”，实际上是生物体生命活动的内在节律性，它是由生物体内的时间结构序列及生物钟基因周期性特定表达所决定的。研究表明，人体的体温、脉搏、血压、氧耗量、激素的分泌水平，均存在昼夜节律变化。生物钟依靠像时钟那样周期往复的振荡工作，其存在有极重要的生物学意义，它控制着人的三节律，即智力、体力、情绪。周期节律能使生物与可预料的环境变化相适应，特别是一些对生存和繁殖关系重大的，如迁徙、觅食、交配、生育等，以至作出提前安排。如糖皮质激素在清晨起床前就已升高，为白天活动作好预先的准备。然而生物的这种适应性也是有限度的，生理周期只能在一定范围内追随外界的周期性，当偏差太大，外环境变化造成刺激过强过弱，以致使生理振荡变为越轨的自由运转，从而干扰了时钟的正常运转，造成个体不同器官内部节奏位置的紊乱，破坏有序的合作，会引起某些疾病。因此对周期性表达亚型基因进行深入的识别和研究对于探索人的生物节律具有重大意义，在基因分子水平上对人体生物钟进行精准解释，对当今产生的时辰生物学、时辰药理学和时辰治疗学有重要参考价值，并对生物医学上基因治疗和精准医疗的基础理论研究具有重要作用。

到目前为止，已出现了数十种算法对基因表达谱数据进行基因分型，以此进行周期与非周期表达基因亚型分型。2000年laub等人对细菌细胞周期进行分析，2002年Whitfield等人和Shedden等人开始利用基因表达谱数据研究人类细胞周期体系，但这些方法都局限于基于特定的周期函数的数学模型，其中以正弦曲线拟合最多，并不能从本质上描述基因的表达模式；Huang Tao等人将表达谱时序数据中基因在两个连续细胞周期内表达的相似性作为主要特征识别周期表达基因，有效避免函数拟合的问题；然而，一般的相似性度量方法不能刻画时间序列基因表达谱数据所蕴含的时间延迟、反向相关和局部相关等复杂的基因调控关系，Zhou Yun等人针对大鼠再生肝细胞基因表达谱数据，提出了一种基于近邻传播和动态规划的相似性度量方法和聚类算法，并实验证明了算法在时间序列基因表达谱数据聚类的有效性，但却面临一定噪声影响；Zhou Dao等人提出了一种将microarrays时序表达数据划分为若干个基因表达周期，并对周期内的峰值特点进行评估以识别周期表达基因的方法，能有效减少microarrays实验时的干扰噪声；这些算法都极大地促进了对时序基因表达谱数据周期表达基因识别的研究，但任然面临着数据本身高维度、小样本、少标签的影响，且基因表达谱数据是活动的数据，反映的是基因的表达量，它会随着环境、时间等条件的变化而变化，会出现极强的偶然波动，基因每个个体表达量还会受到微阵列技术噪声影响，因此将形成加倍的噪声干扰，所以对于传统算法还得考虑滤波过程，这无疑增大了基因分型的工作量和难度，降低了分型效果。