基于分子探针标记分析的鹦鹉鱼物种溯源方法及系统与流程
本发明涉及鹦鹉鱼物种溯源,尤其涉及基于分子探针标记分析的鹦鹉鱼物种溯源方法及系统。
背景技术:
1、在资源监管与物种保护的实际工作中,鹦鹉鱼的物种鉴定面临诸多困难。一方面,鹦鹉鱼在生长过程中普遍存在性别二态性和显著的体色变化,同一物种的不同发育阶段可能呈现截然不同的形态特征,仅凭外部形态难以准确区分;另一方面,贸易链条中的鹦鹉鱼制品常以加工后形态流通,进一步增加了物种溯源的难度。分子探针标记技术是近年来生物物种识别与溯源领域的前沿研究方向之一,其核心在于利用具有高度特异性的dna或rna探针,靶向识别生物体基因组中的特定遗传标记,从而实现物种的精准鉴定与来源追溯。
2、然而,而且同一鹦鹉鱼物种的不同地理种群在遗传结构上存在差异,仅用线粒体dna控制区或coi基因单倍型,相邻地理种群间的遗传分化指数fst往往低于0.1,无法可靠区分。单一类型的遗传标记信息量有限,无法区分来自相邻海域的群体,而且稳定同位素或元素指纹易受个体年龄、食性差异影响,单独使用误差率高。
技术实现思路
1、本发明克服了现有技术的不足,提供了基于分子探针标记分析的鹦鹉鱼物种溯源方法及系统。
2、为达上述目的,本发明采用的技术方案为:
3、本发明第一方面提供了基于分子探针标记分析的鹦鹉鱼物种溯源方法,包括以下步骤:
4、通过特定的标记物对分子探针进行标记,对于每个鹦鹉个体收集鹦鹉的多源特征数据信息,并对所述多源特征数据信息进行数据标准化以及缺失值处理;
5、对标准化以及缺失值处理后的数据进行特征预筛选,获取每个鹦鹉鱼个体的综合特征向量,根据所述个体的综合特征向量构建图结构;
6、基于深度学习以及所述图结构构建鹦鹉地理种群归属概率预测模型,利用鹦鹉地理种群归属概率预测模型输出各候选地理种群的归属概率;
7、集成shap解释框架,对各候选地理种群的归属概率提供特征贡献度可视化,生成解释报告。
8、在基于分子探针标记分析的鹦鹉鱼物种溯源方法中,对于每个鹦鹉个体收集鹦鹉的多源特征数据信息,具体包括:
9、对每个鹦鹉鱼个体收集snp基因数据、稳定同位素比值数据、元素指纹数据、地理时空标签以及形态测量数据;
10、其中,通过液相芯片或者靶向重测序来采集鹦鹉鱼个体全基因组或靶向捕获的高信息量snp位点,形成snp基因数据,通过稳定同位素比质谱仪取自肌肉或耳石中的稳定同位素比值,形成稳定同位素比值数据;
11、利用激光剥蚀电感耦合等离子体质谱沿耳石生长轴测定元素指纹,形成元素指纹数据;
12、利用北斗/gps记录仪+ctd探头收集每个鹦鹉鱼个体的捕捞或者养殖点经度与纬度、水深、水温、季节,形成地理时空标签,并收集体长、体重、头长、眼径、背鳍鳍条数形态指标,形成形态测量数据。
13、在基于分子探针标记分析的鹦鹉鱼物种溯源方法中,对所述多源特征数据信息进行数据标准化以及缺失值处理,具体为:
14、通过对snp基因数据进行缺失位点进行检测,并当存在缺失位点时,利用knn插补法对缺失位点的snp基因数据进行插补处理;
15、对于稳定同位素比值数据、元素指纹数据进行去中心化与缩放,并采用z-score基于中位数和四分位距对同位素比值数据、元素指纹数据进行处理,抵抗异常值影响;
16、将所述地理时空标签中的经纬度转换为笛卡尔坐标或使用高斯核编码到高维空间,水深、水温进行min-max归一化,季节编码为4维独热向量;
17、对体长、体重、头长、眼径、背鳍鳍条数形态指标进行allometric标准化。
18、在基于分子探针标记分析的鹦鹉鱼物种溯源方法中,对标准化以及缺失值处理后的数据进行特征预筛选,获取每个鹦鹉鱼个体的综合特征向量,具体为:
19、对snp位点采用winnowing算法结合连锁不平衡剪枝,将snp位点降至预设个独立标记,同时对元素指纹使用lasso回归筛选与地理种群标签最相关的元素比;
20、基于所述独立标记、与地理种群标签最相关的元素比、地理时空标签、同位素数据以及形态数据构建每个鹦鹉鱼个体的综合特征向量。
21、在基于分子探针标记分析的鹦鹉鱼物种溯源方法中,根据所述个体的综合特征向量构建图结构,具体为:
22、对于每个个体的综合特征向量,创建模态节点,在每个模态节点之下,将所述每个个体的综合特征向量中各个特征作为子节点连接到模态节点,形成模态内特征节点;
23、将每个子节点取标准化后的数值作为初始嵌入,保留细粒度特征间的关系,连接模态节点与子特征节点,边权重固定为1.0,构建模态-特征边;
24、根据先验知识构建模态-模态边,当特征存在已知相关性时添加边,形成特征-特征边,形成边类型,基于边类型、模态节点、模态内特征节点构建图结构。
25、在基于分子探针标记分析的鹦鹉鱼物种溯源方法中,基于深度学习以及所述图结构构建鹦鹉地理种群归属概率预测模型,具体包括:
26、基于深度学习构建鹦鹉地理种群归属概率预测模型,采用关系图卷积网络对每种边类型定义独立的线性变换矩阵;
27、经过消息传递后,每个模态节点的嵌入向量融合模态内部特征信息以及其他模态通过跨模态边传递的信息;
28、将模态节点的嵌入向量拼接,得到全模态融合向量,引入多头自注意力层对模态节点嵌入进行二次融合,计算模态之间的注意力权重,聚焦于判别性强的模态,得到最终融合向量;
29、对于最终融合向量通过两个全连接层生成证据向量,并对证据向量进行分类,输出各候选地理种群的归属概率。
30、在基于分子探针标记分析的鹦鹉鱼物种溯源方法中,利用鹦鹉地理种群归属概率预测模型输出各候选地理种群的归属概率,具体为:
31、获取当前鹦鹉个体的多源特征数据信息,并将所述当前鹦鹉个体的多源特征数据信息输入所述鹦鹉地理种群归属概率预测模型中进行预测;
32、通过预测,获取各候选地理种群的归属概率,并输出各候选地理种群的归属概率。
33、在基于分子探针标记分析的鹦鹉鱼物种溯源方法中,集成shap解释框架,对各候选地理种群的归属概率提供特征贡献度可视化,生成解释报告,具体为:
34、采用deepshap计算每个输入特征对于各候选地理种群的归属概率的边际贡献值,并基于所述边际贡献值进行排序,输出边际贡献值排序图;
35、从所述边际贡献值排序图中选取最佳的判定结果,并对所述最佳的判定结果进行反事实解释,将最佳的判定结果和反事实结果生成解释报告,并转化为可读文本。
36、本发明第二方面提供了基于分子探针标记分析的鹦鹉鱼物种溯源系统,包括存储器以及处理器,所述存储器中包括基于分子探针标记分析的鹦鹉鱼物种溯源方法程序,所述基于分子探针标记分析的鹦鹉鱼物种溯源方法程序被所述处理器执行时,实现任一项所述的基于分子探针标记分析的鹦鹉鱼物种溯源方法的步骤。
37、本发明解决了背景技术中存在的缺陷,本发明具备以下有益效果:
38、本发明通过特定的标记物对分子探针进行标记,对于每个鹦鹉个体收集鹦鹉的多源特征数据信息,并对多源特征数据信息进行数据标准化以及缺失值处理,进而对标准化以及缺失值处理后的数据进行特征预筛选,获取每个鹦鹉鱼个体的综合特征向量,根据个体的综合特征向量构建图结构,从而基于深度学习以及图结构构建鹦鹉地理种群归属概率预测模型,利用鹦鹉地理种群归属概率预测模型输出各候选地理种群的归属概率,最后集成shap解释框架,对各候选地理种群的归属概率提供特征贡献度可视化,生成解释报告。本发明综合多因素进行建模分析,相比于单一使用线粒体dna条形码的地理溯源方法,提高了将同物种不同地理种群的鉴别准确率,同时提供可解释的溯源依据,为渔业管理追责提供了可靠技术支撑。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com