[发明专利]使用卷积的碱基识别

说明书

公开了一种基于神经网络的碱基识别器，该碱基识别器检测和解释测序过程的静态、动态和机械特性，将在分析数据中每个序列周期处观察到的信息映射到核苷酸的潜在序列。基于神经网络的碱基识别器将特征工程化、降维、离散化和动力学建模的任务组合到一个端到端的学习框架中。特别是，基于神经网络的碱基识别器使用3D卷积、1D卷积和逐点卷积的组合来检测和解释诸如定相和预定相效应、空间串扰、发射重叠和衰落等检测偏差。

技术领域

所公开的技术涉及用于智能仿真的人工智能型计算机和数字化数据处理系统以及相应的数据处理方法和产品(即：基于知识的系统、推理系统和知识获取系统)，并且包括用于不确定性推理的系统(例如：模糊逻辑系统)、自适应系统、机器学习系统和人工神经网络。尤其是，所公开的技术涉及利用诸如深度卷积神经网络等的深度神经网络来分析数据。

参考文献

出于所有目的，以下参考文献通过引用并入本文，如同在本文中做了充分的阐述一样：

2019年3月21日提交的名称为“TRAINING DATA GENERATION FOR ARTIFICIALINTELLIGENCE-BASED SEQUENCING”的美国临时专利申请第62/821,602号(代理人案号：ILLM 1008-1/IP-1693-PRV)；

2019年3月21日提交的名称为“TRAINING DATA GENERATION FOR ARTIFICIALINTELLIGENCE-BASED SEQUENCING”的美国临时专利申请第62/821,618号(代理人案号：ILLM 1008-3/IP-1741-PRV)；

2019年3月21日提交的名称为“ARTIFICIAL INTELLIGENCE-BASED BASE CALLING”的美国临时专利申请第62/821,681号(代理人案号：ILLM 1008-4/IP-1744-PRV)；

2019年3月21日提交的名称为“ARTIFICIAL INTELLIGENCE-BASED SEQUENCING”的美国临时专利申请第62/821,766号(代理人案号：ILLM 1008-7/IP-1747-PRV)；

2019年3月21日提交的名称为“ARTIFICIAL INTELLIGENCE-BASED QUALITYSCORING”的美国临时专利申请第62/821,724号(代理人案号：ILLM 1008-9/IP-1752-PRV)；

2017年4月21日提交的随后于2017年10月26日公布为PCT公告第WO 2017/184997Al号的名称为“PHOTONIC STUCTURE-BASED DEVICES AND COMPOSITIONS FOR USE INLUMINESCENT IMAGING OF MULTIPLE SITES WITHIN A PIXEL,AND METHODS OF USING THESAME”的PCT专利申请第PCT/US2017/028883号；

2016年8月17日提交并随后于2017年3月2日公布为PCT公告第WO 2017/034868 Al号的名称为“IN-LINE PRESSURE ACCUMULATOR AND FLOW-CONTROL SYSTEM FORBIOLOGICAL OR CHEMICAL ASSAYS”的PCT专利申请第PCT/US2016/047253号；

2017年6月20日提交并随后于2017年12月28日公布为PCT公告第WO 2017/223041Al号的名称为“SUPER-RESOLUTION MICROSCOPY”的PCT专利申请第PCT/US2017/038259号；