[发明专利]一种流形进化图构建方法、装置、设备及可存储介质

权利要求书

1.一种用于蛋白质序列数据集进化关系分析的流形进化图构建方法，其特征在于，包括：

获取待处理数据集；

根据所述待处理数据集，构建基本组分序向量树；所述基本组分序向量树包括至少一个主序列节点以及所述主序列节点的基本组分序向量和基本组分权重向量；所述主序列节点为蛋白质序列；所述根据所述待处理数据集，构建基本组分序向量树的步骤包括：

根据所述待处理数据集以及预设定义规则，定义基本组分；其中，使用单个氨基酸二级结构的类定义与序列组分定义的组合定义基本组分；

根据所述基本组分，确定基本组分序向量；

将所述基本组分序向量插入到多叉树的对应节点中，构建基本组分序向量树；

根据所述主序列节点的基本组分序向量和基本组分权重向量，确定与所述主序列节点不同近邻关系的候选序列节点的基本组分序向量和基本组分权重向量，包括：

根据所述主序列节点的基本组分序向量和基本组分权重向量，确定与所述主序列节点一级相邻的一级候选序列节点的基本组分序向量和基本组分权重向量；所述与所述主序列节点一级相邻的一级候选序列节点的基本组分序向量为由所述主序列节点的基本组分序向量中的一个氨基酸突变/插入/删除而形成；

根据所述主序列节点的基本组分序向量和基本组分权重向量，确定与所述主序列节点二级相邻的二级候选序列节点的基本组分序向量和基本组分权重向量；所述与所述主序列节点二级相邻的二级候选序列节点的基本组分序向量为由所述主序列节点的基本组分序向量中的二个氨基酸突变/插入/删除而形成；

当根据所述不同近邻关系的候选序列节点的基本组分序向量和基本组分权重向量，在所述基本组分序向量树中查找到所述候选序列节点时，则对对应的近邻关系进行相互标注；

根据所述主序列节点以及近邻关系，构建流形进化图；

对构建好的基本组分序向量树中的每条序列/记录/图节点，依据不同近邻关系候选序列节点的基本组分序向量和基本组分权重向量查找每条候选序列/记录/图节点是否存在，若存在则进行相互标注，该标注即为流形进化图中的边，其中可包含对应源头记录和近邻记录之间的关系；流形进化图节点连接完成后进行图分析，如果在加入所有一级相邻关系后，所有序列节点连在一起形成一个连通图，则流形进化图构建结束；此流形进化图为一级可靠性的流形进化图；如果所有序列节点没有形成连通图，则将每一个连通的子图定义为一级可靠性子图，并进一步加入二级相邻序列的边，进行同样连通分析，如果原来的上一级可靠性子图被连通，则合并后标记为二级可靠性子图；以此类推，直到形成整体连通图或者使用了所有最远相邻序列对应的近邻关系形成的边；如果最后依然是多个连通子图，那么继续增加最远相邻级别，或者不做处理等待后续数据。