[发明专利]一种基于多核学习预测增强子及其强度分类方法及分类设备

权利要求书

1.一种基于多核学习预测增强子及其强度分类方法，其特征在于：所述方法具体过程为：

步骤一、获取带标签的DNA测序序列，带标签的DNA测序序列为非增强子DNA测序序列、增强子DNA测序序列、强增强子DNA测序序列和弱增强子DNA测序序列；

将带标签的DNA测序序列分为训练集和验证集；

步骤二、使用K-mer特征描述符对步骤一获取的带标签的DNA测序序列进行编码，将DNA测序序列转换为向量；

步骤三、使用Pseknc特征描述符对步骤一获取的带标签的DNA测序序列进行编码，将DNA测序序列转换为向量；

步骤四、使用chemical特征描述符对步骤一获取的带标签的DNA测序序列进行编码，将DNA测序序列转换为向量；

步骤五、利用方差分析算法分别对步骤二、步骤三、步骤四得到的向量进行特征筛选获得各自的F值，对获得的各自的F值分别进行降维排序，选出采用三种不同特征描述符各自对应的最佳的特征子集；

步骤六、将选出的采用三种不同特征描述符各自对应的最佳的特征子集分别通过高斯核函数映射到高维空间，得到三个高斯函数K₁，K₂，K₃，计算每个高斯函数对应的最佳权重；

步骤七、将高斯函数K₁，K₂，K₃根据各自权重合并为一个核函数，并使用支持向量机模型构建增强子预测模型；

步骤八、将高斯函数K₁，K₂，K₃根据各自权重合并为一个核函数，并使用支持向量机模型构建强弱增强子预测模型；

步骤九、通过步骤七构建好的增强子预测模型判断待测DNA测序序列是否为增强子，如果不是增强子结束，如果是增强子则将增强子输入步骤八构建好的强弱增强子预测模型，识别待测DNA测序序列为强增强子DNA测序序列还是弱增强子DNA测序序列。

2.根据权利要求1所述一种基于多核学习预测增强子及其强度分类方法，其特征在于：所述步骤二中使用K-mer特征描述符对步骤一获取的带标签的DNA测序序列进行编码，将DNA测序序列转换为向量；具体过程为：

步骤二一、收集DNA测序序列，通过k-mer算法将DNA测序序列分割成k-mer词向量，然后将分割的每个k-mer词向量输入python的“gensim”模型进行训练，直至收敛，获得每个k-mer词向量对应的训练好的python的“gensim”模型；

将每个k-mer词向量输入对应的训练好的python的“gensim”模型，将每个k-mer词向量转换为50维度的词向量特征；

所述k为k-mer的参数，2≤k≤10；

步骤二二、通过k-mer算法将步骤一获取的带标签的DNA测序序列分割成k-mer词向量，将每个k-mer词向量输入对应的步骤二一训练好的python的“gensim”模型，将每个k-mer词向量转换成50维度的词向量形式；

对每个转换成50维度的词向量求均值；

步骤二三、将求均值后的词向量拼接成一个向量，最终步骤一获取的带标签的DNA测序序列被转换为(50×(k-mer个数))维的k-mer词向量特征。

3.根据权利要求2所述一种基于多核学习预测增强子及其强度分类方法，其特征在于：所述步骤三中使用Pseknc特征描述符对步骤一获取的带标签的DNA测序序列进行编码，将DNA测序序列转换为向量；具体过程为：

其中，D表示DNA测序序列的特征形式，d_i为特征中的元素，k为k-mer的参数；λ为核苷酸的物理化学性质的种类；f_u为k-mer频率信息，w为权重，θ_j为核苷酸的某种物理化学性质的分值，u为k-mer的总个数；

所述核苷酸的物理化学性质的种类有8种，分别为Slide、Rise、Tilt、Shift、Stability、Entropy、Free energy、Tip，θ_j是其中每一种的分值；

最终步骤一获取的带标签的DNA测序序列被转换为4^k+λ维的数字特征。