基于生物学信息的风险预测方法、装置、电子设备及存储介质与流程
本申请涉及生物信息学以及人工智能技术,尤其涉及一种基于生物学信息的风险预测方法、装置、电子设备及存储介质。
背景技术:
1、在临床医学与健康风险评估领域,针对由人乳头瘤病毒(hpv)感染引起的子宫颈癌或子宫颈癌前病变、相关病理状态,通常采用多模态生物学检测手段进行辅助筛查与评估。然而,相关技术中宫颈癌筛查中高危型人乳头瘤病毒检测敏感性高但特异性低,易导致临床上的过度诊疗,以及传统联合筛查未能有效捕捉人乳头瘤病毒分型与宿主基因甲基化之间协同作用,影响了风险预测的准确性。
技术实现思路
1、本申请实施例提供一种基于生物学信息的风险预测方法、装置、电子设备及计算机可读存储介质,能够提升目标病症的风险预测的准确性。
2、本申请实施例的技术方案是这样实现的:
3、本申请实施例提供一种基于生物学信息的风险预测方法,所述方法包括:
4、对目标对象的第一生物学信息进行标准化处理,得到所述第一生物学信息的标准化特征值,其中,所述第一生物学信息是甲基化检测数据;
5、对所述目标对象的第二生物学信息进行分级处理,得到所述第二生物学信息对应的不同检测通道的风险层级,其中,所述第二生物学信息是人乳头瘤病毒检测数据;
6、对每个所述检测通道的风险层级进行编码处理,得到标准化特征矩阵;
7、基于所述标准化特征值进行基因甲基化预测,得到甲基化风险指标;
8、对所述甲基化风险指标以及所述标准化特征矩阵进行融合,得到交互特征;
9、基于所述甲基化风险指标、所述标准化特征矩阵以及所述交互特征进行目标病症预测,得到所述目标对象的目标风险指标,其中,所述目标风险指标用于指示所述目标对象存在目标病症的概率,所述目标病症是人乳头瘤病毒引起的。
10、本申请实施例提供一种基于生物学信息的风险预测装置,包括:
11、第一数据标准化模块,用于对目标对象的第一生物学信息进行标准化处理,得到所述第一生物学信息的标准化特征值,其中,所述第一生物学信息是甲基化检测数据;
12、第二数据标准化模块,用于对所述目标对象的第二生物学信息进行分级处理,得到所述第二生物学信息对应的不同检测通道的风险层级,其中,所述第二生物学信息是人乳头瘤病毒检测数据;对每个所述检测通道的风险层级进行编码处理,得到标准化特征矩阵;
13、预测模块,用于基于所述标准化特征值进行基因甲基化预测,得到甲基化风险指标;
14、特征融合模块,用于对所述甲基化风险指标以及所述标准化特征矩阵进行融合,得到交互特征;
15、预测模块,用于基于所述甲基化风险指标、所述标准化特征矩阵以及所述交互特征进行目标病症预测,得到所述目标对象的目标风险指标,其中,所述目标风险指标用于指示所述目标对象存在目标病症的概率,所述目标病症是人乳头瘤病毒引起的。
16、本申请实施例提供一种电子设备,所述电子设备包括:
17、存储器,用于存储计算机可执行指令或者计算机程序;
18、处理器,用于执行所述存储器中存储的计算机可执行指令或者计算机程序时,实现本申请实施例提供的基于生物学信息的风险预测方法。
19、本申请实施例提供一种计算机可读存储介质,存储有计算机可执行指令或者计算机程序,用于被处理器执行时,实现本申请实施例提供的基于生物学信息的风险预测方法。
20、本申请实施例提供一种计算机程序产品,包括计算机程序或计算机可执行指令,所述计算机程序或计算机可执行指令被处理器执行时,实现本申请实施例提供的基于生物学信息的风险预测方法。
21、本申请实施例具有以下有益效果:
22、通过对第一生物学信息(甲基化检测数据)与第二生物学信息(人乳头瘤病毒检测数据)进行多维度的结构化预处理与底层特征融合,显著提升了目标病症概率预测的准确性与客观性。通过对第一生物学信息进行标准化处理,统一了生物信号的底层度量尺度,为目标病症预测提供了具备高度一致性的定量数据输入;针对第二生物学信息执行分级处理与编码处理,将多通道的病原体检测信号转换为标准化特征矩阵,实现了多维临床风险层级的结构化映射,增强了算法运算时对不同病原体类型的特征辨识度。通过将甲基化风险指标与标准化特征矩阵进行底层融合生成交互特征,挖掘了异构生物学数据间的协同机理。在提取出甲基化风险指标后,将甲基化风险指标、标准化特征矩阵以及交互特征共同作为目标病症预测的输入维度。上述多维联合预测机制,使得最终输出的目标风险指标能够充分涵括基因层面的独立变化规律、病原体层面的独立侵染规律以及二者协同引发的叠加致病效应,使得预测算法高度契合真实的生物学癌变演化机理,符合生物信息学涉及的自然规律,进而有效提高了针对人乳头瘤病毒引起的目标病症风险的综合评估精度与特异性。
1.一种基于生物学信息的风险预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述对目标对象的第一生物学信息进行标准化处理,得到所述第一生物学信息的标准化特征值,包括:
3.根据权利要求1所述的方法,其特征在于,所述对所述目标对象的第二生物学信息进行分级处理,得到所述第二生物学信息对应的不同检测通道的风险层级,包括:
4.根据权利要求1所述的方法,其特征在于,所述对每个所述检测通道的风险层级进行编码处理,得到标准化特征矩阵,包括:
5.根据权利要求1所述的方法,其特征在于,所述基于所述标准化特征值进行基因甲基化预测,得到甲基化风险指标,包括:
6.根据权利要求1所述的方法,其特征在于,所述基于所述甲基化风险指标、所述标准化特征矩阵以及所述交互特征进行目标病症预测,得到所述目标对象的目标风险指标,包括:
7.根据权利要求1所述的方法,其特征在于,所述基因甲基化预测通过第一逻辑回归模型实现,所述目标病症预测通过第二逻辑回归模型实现,所述第一逻辑回归模型以及所述第二逻辑回归模型组成联合模型;
8.一种基于生物学信息的风险预测装置,其特征在于,所述装置包括:
9.一种电子设备,其特征在于,所述电子设备包括:
10.一种计算机可读存储介质,存储有计算机可执行指令或者计算机程序,其特征在于,所述计算机可执行指令或者计算机程序被处理器执行时实现权利要求1至7任一项所述的基于生物学信息的风险预测方法。
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