[发明专利]基于多目标蚁群优化算法的基因位点挖掘方法在审
| 申请号： | 201510540644.4 | 申请日： | 2015-08-28 |
| 公开（公告）号： | CN105205344A | 公开（公告）日： | 2015-12-30 |
| 发明（设计）人： | 沈红斌;景鹏杰 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06F19/12 | 分类号： | G06F19/12;G06F19/24 |
| 代理公司： | 上海交达专利事务所 31201 | 代理人： | 王毓理;王锡麟 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于多目标蚁群优化算法的基因位点挖掘方法，以蚁群算法为基础设计封装式的特征选择算法，即每次迭代中，一个人工蚂蚁选择一个SNPs特征子集，一个特征子集及对应的复杂性状状态用来构建多目标模型；分别使用逻辑斯蒂回归模型和贝叶斯网络模型对所选择的SNPs特征子集及对应的性状状态进行建模，然后运用AIC和K2作为对应模型的评价准则，将分值视为多目标函数的解；采用非支配排序法，将第二步中多目标函数所有的解筛选为非支配解和支配解，根据解的优劣程度进行信息素矩阵τ的迭代，迭代完成后得到一个经过特征选择算法选择的SNPs位点子集。在SNPs位点子集中用卡方检验进行穷尽型假设检验，最终根据用户设定的P值筛选得出与复杂性状相关的SNPs位点。 | ||
| 搜索关键词： | 基于 多目标 优化 算法 基因 挖掘 方法 | ||
【主权项】：
一种基于多目标蚁群优化算法的基因位点挖掘方法，包括以下步骤：第一步：以蚁群算法为基础设计封装式的特征选择算法，即每次迭代中，一个人工蚂蚁选择一个SNPs特征子集，一个特征子集及对应的复杂性状状态用来构建多目标模型；第二步：分别使用逻辑斯蒂回归模型和贝叶斯网络模型对所选择的SNPs特征子集及对应的复杂性状状态进行建模，然后运用AIC和K2作为对应模型的评价准则，将分值视为多目标函数的解；第三步：采用非支配排序法，将第二步中多目标函数所有的解筛选为非支配解和支配解，根据解的优劣程度进行信息素矩阵τ的迭代，迭代完成后得到一个经过特征选择算法选择的SNPs位点子集；第四步：在SNPs位点子集中用卡方检验进行穷尽型假设检验，最终根据用户设定的P值筛选得出与复杂性状相关的SNPs位点。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海交通大学，未经上海交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201510540644.4/，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算；推算；计数
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学，即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真，例如：概率模型或动态模型，遗传基因管理网络，蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的，例如：进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的，例如：结构排序，结构或功能关系，蛋白质折叠，结构域拓扑，用结构数据的药靶，涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的，例如：基因型–表型关联，不均衡连接，种群遗传学，结合位置鉴定，变异发生，基因型或染色体组的注释，蛋白质相互作用或蛋白质核酸的相互作用
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学，即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真，例如：概率模型或动态模型，遗传基因管理网络，蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的，例如：进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的，例如：结构排序，结构或功能关系，蛋白质折叠，结构域拓扑，用结构数据的药靶，涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的，例如：基因型–表型关联，不均衡连接，种群遗传学，结合位置鉴定，变异发生，基因型或染色体组的注释，蛋白质相互作用或蛋白质核酸的相互作用
