[发明专利]基于神经网络的自然选择分类和群体规模变化分析系统

权利要求书

1.基于神经网络的自然选择分类和群体规模变化分析系统，其特征在于：包括，

输入模块，用于获取基因组序列数据；

数据处理模块，用于对输入模块获取的基因组序列数据进行处理并输出基因组序列数据的汇总统计量；

分类拟合模块，用于利用循环神经网络结合卷积神经网络构建种群群体遗传分类和参数拟合模型，并利用所述数据处理模块输出的数据进行种群的自然选择分类和拟合种群变化；

所述输入模块与数据处理模块连接，所述数据处理模块与分类拟合模块连接；

所述数据处理模块包括，

数据预处理单元，用于对基因组序列数据进行划分和清洗；

数据汇总统计量生成单元，用于将数据预处理单元的每条输出数据分割为设定个窗口，计算每个窗口群体遗传学汇总统计量；

所述数据预处理单元与数据汇总统计量生成单元连接；

所述数据预处理单元包括，

数据切片分割器，用于将基因组序列切分为若干大小相等的片段；

数据位置计算器，用于计算基因片段中的位点在该片段的相对位置；

数据转换器，用于将划分的基因组片段数据转换为二值数据；

数据清洗器，用于删除小于第一设定长度和大于第二设定长度的数据，以及合并重复位点数据并将重复位点的数据通过或运算得出结果，所述第二设定长度大于第一设定长度；

所述数据切片分割器、数据位置计算器、数据转换器和数据清洗器依次连接；

所述分类拟合模块包括，

模型构建单元，用于采用循环神经网络RNN中的门控循环单元，并结合卷积神经网络，构建自然选择分类和群体变化参数拟合模型；

模型预测单元，用于将数据处理模块得到的群体遗传汇总统计量序列输入到模型构建单元构建的自然选择分类和群体变化参数拟合模型，利用训练集数据对模型进行训练，并将测试集读入训练好的模型进行自然选择分类和群体变化参数拟合；

所述模型构建单元与模型预测单元连接；

所述模型构建单元按照如下次序构建自然选择分类和群体变化参数拟合模型，首先调用Input层、BiLSTM层、CNN层、Dropout层，搭建自然选择分类和群体变化参数拟合模型；其中，BiLSTM层和CNN层用于向量表征学习，Dropout层用于防止模型过拟合；然后根据每个特征跟群体遗传学变量的相关性调整权重；最后对权重和特征值向量相乘后求和输出。

2.根据权利要求1所述的基于神经网络的自然选择分类和群体规模变化分析系统，其特征在于：所述窗口为3个。

3.根据权利要求1所述的基于神经网络的自然选择分类和群体规模变化分析系统，其特征在于：所述每个窗口群体遗传学汇总统计量包括位点数量、位点折叠频谱、位点间长度分布、状态标识区域长度分布、连锁不平衡分布、Tajima’s D统计量。

4.根据权利要求1所述的基于神经网络的自然选择分类和群体规模变化分析系统，其特征在于：所述二值数据中的0表示祖先基因、1表示变异基因。