[发明专利]一种噬菌体分类方法、装置、设备及存储介质

权利要求书

1.一种噬菌体分类方法，其特征在于，所述方法包括：

根据待分类噬菌体片段的序列长度，获取与所述序列长度对应的至少一个预设分类网络；

对所述待分类噬菌体片段的所有碱基进行独热编码，得到碱基序列特征；

将所述碱基序列特征输入所述至少一个预设分类网络；

根据所述至少一个预设分类网络的输出分数，确定所述待分类噬菌体片段的类型。

2.根据权利要求1所述的方法，其特征在于，根据待分类噬菌体片段的序列长度，获取与所述序列长度对应的至少一个预设分类网络，包括：

在所述序列长度在100bp-400bp范围内时，获取第一预设分类网络；

在所述序列长度在400bp-800bp范围内时，获取第二预设分类网络；

在所述序列长度在800bp-1200bp范围内时，获取第三预设分类网络；

在所述序列长度在1200bp-1800bp范围内时，获取第四预设分类网络；

在所述序列长度大于1800bp时，获取所述第四预设分类网络。

3.根据权利要求2所述的方法，其特征在于，在所述序列长度大于1800bp的情况下，根据待分类噬菌体片段的序列长度，获取与所述序列长度对应的至少一个预设分类网络，包括：

按照1800bp的尺度对所述待分类噬菌体片段进行分割；

根据分割后的最短序列片段，将所述第一预设分类网络、所述第二预设分类网络、所述第三预设分类网络以及所述第四预设分类网络中的其中一者作为补充分类网络；

将所述第四预设分类网络和所述补充分类网络作为所述待分类噬菌体片段的预设分类网络。

4.根据权利要求2所述的方法，其特征在于，根据待分类噬菌体片段的序列长度，获取与所述序列长度对应的至少一个预设分类网络，包括：

在所述序列长度小于100bp时，根据所述第一预设分类网络的输入范围，获取补序长度；

采用预设编码，将所述待分类噬菌体片段补序到所述补序长度，并获取所述第一预设分类网络。

5.根据权利要求1所述的方法，其特征在于，根据所述至少一个预设分类网络的输出分数，确定所述待分类噬菌体片段的类型，包括：

在所述序列长度大于1800bp时，确定所述至少一个预设分类网络中每个预设分类网络的输入序列的长度；

根据每个输入序列的长度，计算所述至少一个预设分类网络的输出分数的加权平均值；

根据所述加权平均值，确定所述待分类噬菌体片段的类型。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取温和噬菌体的第一全基因组数据，和烈性噬菌体的第二全基因组数据；

模拟宏基因组测序获得序列信息的特征，设置不同长度的多个长度区间；

从所述第一全基因组数据中提取分别对应所述多个长度区间的多个第一短序列样本；

从所述第二全基因组数据中提取分别对应所述多个长度区间的多个第二短序列样本；

获取与所述多个长度区间分别对应的深度神经网络，并利用所述多个第一短序列样本和所述多个第二短序列样本分别对与所述多个长度区间分别对应的深度神经网络进行多次训练，得到所述至少一个预设分类网络。

7.根据权利要求6所述的方法，其特征在于，从所述第一全基因组数据中提取多个第一短序列样本之后，所述方法还包括：

对所述多个第一短序列样本进行反向补序，得到多个第三短序列样本；

从所述第二全基因组数据中提取多个第二短序列样本之后，所述方法还包括：

对所述多个第二短序列样本进行反向补序，得到多个第四短序列样本；

利用所述多个第一短序列样本和所述多个第二短序列样本分别对与所述多个长度区间分别对应的深度神经网络进行多次训练，得到所述至少一个预设分类网络，包括：

利用所述多个第一短序列样本、所述多个第二短序列样本、所述多个第三短序列样本以及所述多个第四短序列样本，分别对与所述多个长度区间分别对应的深度神经网络进行多次训练，得到所述至少一个预设分类网络。