[发明专利]一种微生物宏基因组分箱方法及系统

权利要求书

1.一种微生物宏基因组分箱方法，其特征在于，包括：

获取待分箱的微生物宏基因组序列；

对所述宏基因组序列中每条序列进行特征提取，其中，所提取的特征包括四核苷酸频率、RPKM丰度以及kmer覆盖度特征；

将提取的特征输入VAE-GAN神经网络中进行训练，通过训练将提取的特征编码到VAE隐含向量中；

基于所述VAE隐含向量中的均值变量，对所述宏基因组序列进行聚类，根据聚类结果实现宏基因组的分箱。

2.如权利要求1所述的一种微生物宏基因组分箱方法，其特征在于，所述VAE-GAN神经网络中的VAE网络，具体包括编码层和解码层，所述编码层首先包括一个全连接网络层，并采用ReLU作为激活函数，该全连接网络层的输出作为另外两个全连接网络层的输入，两个全连接层的输出分别对应于VAE隐含向量中的均值变量和方差变量。

3.如权利要求1所述的一种微生物宏基因组分箱方法，其特征在于，所述VAE-GAN神经网络中的GAN判别器网络，具体包括三个网络组成，第一个网络为两层卷积网络；第二个网络为两层全连接网络，其中第一层的激活函数为LeakyReLU函数，第二层的激活函数为Sigmoid函数；第三个网络为一个卷积网络。

4.如权利要求1所述的一种微生物宏基因组分箱方法，其特征在于，所述四核苷酸频率特征的提取，具体包括：对于每条序列，统计其不包含模糊碱基的四核苷酸频率，获得103维的特征向量。

5.如权利要求1所述的一种微生物宏基因组分箱方法，其特征在于，所述丰度特征的计算，具体包括计算映射到每条序列的单条测序读长的数量，若果测序读长被映射到n条序列，则每条序列映射读长计数为1/n，通过获得的序列长度和映射读长的总数，对计数结果进行标准化处理，获得RPKM丰度。

6.如权利要求1所述的一种微生物宏基因组分箱方法，其特征在于，所述基于所述VAE隐含向量中的均值变量，对所述宏基因组序列进行聚类，所述聚类方法采用DBSCAN算法。

7.如权利要求6所述的一种微生物宏基因组分箱方法，其特征在于，所述DBSCAN算法中采用的距离度量为余弦距离。

8.一种微生物宏基因组分箱系统，其特征在于，包括：

数据获取单元，其用于获取待分箱的微生物宏基因组序列；

特征提取单元，其用于对所述宏基因组序列中每条序列进行特征提取，其中，所提取的特征包括四核苷酸频率、RPKM丰度以及kmer覆盖度特征；

特征降维单元，其用于将提取的特征输入VAE-GAN神经网络中进行训练，通过训练将提取的特征编码到VAE隐含向量中；

聚类单元，其用于基于所述VAE隐含向量中的均值变量，对所述宏基因组序列进行聚类，根据聚类结果实现宏基因组的分箱。

9.一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的一种微生物宏基因组分箱方法。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的一种微生物宏基因组分箱方法。