[发明专利]一种基于DBN的序列错误数预测方法

摘要

本发明公开一种基于DBN的序列错误数预测方法，其包括以下步骤：步骤1，计算序列以及整个数据集的K‑mers词频；步骤2，计算序列的错误数；步骤3，数据归一化并乱序化；步骤4，划分训练集、测试集；步骤5，基于DBN构建神经网络模型；步骤6，预测序列的错误数。本发明通过使用DBN进行回归，对生物序列的错误数进行预测，试图在回归预测的层面上对生物序列进行分析，以期能从大量的生物序列数据中获得隐藏的有价值的生物信息，从而使得现有技术中存在的预测结果不够准确、合理的问题得到缓解。

主权项

1.一种基于DBN的序列错误数预测方法，其特征在于：其包括以下步骤：步骤1，计算序列以及整个数据集的K‑mers词频；步骤1.1，假设数据集中每条序列的长度为m，K‑词处理的窗口为k，其中1≤k≤m，则总共有4^k种K‑mers，每条序列有(m‑k+1)个K‑mers，由此得出每条序列对应于每种K‑词的数量，即每条序列的K‑mers词频；步骤1.2，将每条序列的每种K‑mer数量逐一相加，即得到整个数据集对应于每种K‑mer词的数量，即整个数据集的K‑mers词频；步骤2，计算每条序列的错误数：将序列比对到大型基因组上，得到序列的错误数；对于比对不上的序列，将其错误数设定为其K‑mers个数，即m‑k+1；步骤3，数据整理：整理上述步骤得到的每条序列的K‑mers词频以及整个数据集的K‑mers词频作为每条序列的特征值，并将每条序列的错误数作为标签，最终整合成用于神经网络回归的输入数据集D；步骤4，对输入数据集D进行归一化并打乱顺序；步骤5，训练集、测试集的划分：将步骤4得到的归一化后的数据集，按照留出法将数据分为训练集和测试集；步骤6，基于深度置信网络构建神经网络模型；步骤6.1，运用三个受限玻尔兹曼机堆叠成深度置信网络；步骤6.2，在深度置信网络之后加上一个与玻尔兹曼机具有类似网络结构的神经网络，以进行回归；步骤7，基于神经网络进行回归：将训练集数据输入到上述神经网络中进行回归，预测出每条序列的错误数，并用测试集验证回归的准去率。