基于深度学习和异构网络的可解释基因组选择方法及系统

专利申请号：CN202410267334.9

公 开 号：CN117995268A

发 明 人：孔鲁粤 张树 段启龙 吕莎 翟洪生 巩玲 宋玮 

代 理 人：闫圣娟

代理机构：济南圣达知识产权代理有限公司

专利类型：发明专利

申 请 日：20240507

公 开 日：20240308

专利主分类号：G16B20/00

关 键 词：性状预测 性状 嵌入 异构网络 基因组 基因 矩阵 数据信息处理 基因型数据 基因组选择 全基因组 神经网络 性状数据 编码器 解释性 连接层 低维 度量 构建 向量 捕捉 关联 学习 引入 网络 

摘      要：本公开涉及数据信息处理技术领域，提出了一种基于深度学习和异构网络的可解释基因组选择方法及系统，利用DTInet和DeepR2cov方法，构建异构网络，解释基因组、环境和性状之间的相互作用和关联。然后引入基于Transformer编码器的网络嵌入，将基因组和性状数据嵌入到低维向量中。利用得到的矩阵嵌入，基于深度学习的全基因组选择，采用神经网络层来捕捉基因之间的关系，并通过全连接层进行性状预测，根据基因与性状的关系挑选出对性状预测具有影响的基因；我们使用了RATE事后解释方法，使模型具有可解释性。本公开大大提高性状预测的准确性，并对基因型数据与性状的重要性进行度量。