基于高密度基因芯片的猪基因型分型方法、装置、设备和介质与流程
本技术涉及基于高密度基因芯片的猪基因型分型,特别是涉及一种基于高密度基因芯片的猪基因型分型方法、装置、设备和介质。
背景技术:
1、猪高密度基因芯片是猪分子育种领域重要检测工具,能够实现大批量样本的遗传标记位点检测,完成单核苷酸多态性(single nucleotide polymorphism,简称snp)、结构变异(structural variation,简称sv)位点的基因分型。微珠型高密度基因芯片的常规检测流程为:将猪核酸样本与芯片探针进行杂交,采用不同频率的光照射芯片,不同基因型的微珠在不同光道下激发出不同强度的荧光;扫描得到芯片微珠灰度图像,提取微珠图像信号后,通过生物信息算法完成各个样本各个基因位点的基因型判定。
2、现有主流分型算法大多采用无监督聚类方案,该类算法一般直接采用微珠灰度均值作为微珠特征,受芯片成像亮度波动影响较大。猪基因组中存在大量sv位点,sv位点会发生探针结合效率下降,微珠荧光信号偏弱。而不同芯片、同一芯片不同区域成像光照差异进一步加剧信号不稳定,弱信号微珠灰度均值波动大,亮珠、暗珠区分界限模糊,造成sv区域位点分型正确率低。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种适配猪基因组结构变异sv弱信号位点基因型分型,且能够有效降低基因型分型误判概率的基于高密度基因芯片的猪基因型分型方法、装置、设备和介质。
2、第一方面,本技术提供了一种基于高密度基因芯片的猪基因型分型方法,包括:
3、获取猪基因样本与高密度基因芯片杂交反应后,不同光道照射芯片扫描得到的微珠灰度图像,并对微珠灰度图像进行特征提取,得到每颗微珠的灰度特征;其中,灰度特征为满足预设灰度条件的像素数量;
4、匹配高密度基因芯片的芯片注释信息,对每个基因位点对应的微珠的灰度特征进行统计处理,得到各基因位点的位点特征;其中,芯片注释信息包括基因位点与微珠之间的映射关系;
5、对位点特征进行数据预处理,并将数据预处理后得到的位点特征转换为极坐标特征;
6、将基因位点对应的极坐标特征输入经预训练的神经网络模型进行基因型分型;神经网络模型在分型时结合当前基因位点的全局分布信息;
7、输出各基因位点所对应的猪基因样本的猪基因型分型结果。
8、在其中一个实施例中,对微珠灰度图像进行特征提取,得到每颗微珠的灰度特征,包括:
9、采集微珠灰度图像的无微珠背景区域的灰度值,将无微珠背景区域的灰度值的99%百分位数作为判定阈值;
10、在以每颗微珠为中心设定的局部区域内,统计灰度值大于判定阈值的像素数量,将像素数量作为对应微珠的灰度特征。
11、在其中一个实施例中,对每个基因位点对应的微珠的灰度特征进行统计处理,得到各基因位点的位点特征,包括:
12、针对每一光道,获取单个基因位点对应的全部微珠的灰度特征,并以光道下基因位点对应的全部微珠的灰度特征作为计算对象,计算得到该组灰度特征的25%百分位数、75%百分位数以及和的差值;
13、采用四分位距规则剔除离群微珠,保留区间内的微珠的灰度特征,得到光道下去噪后的微珠的灰度特征,并求取光道下去噪后的微珠的灰度特征的均值;
14、选取两组光道对应的均值构建二维特征,将二维特征作为基因位点的位点特征。
15、在其中一个实施例中,对位点特征进行数据预处理,并将数据预处理后得到的位点特征转换为极坐标特征,包括:
16、对位点特征所包含的各通道分量,分别基于3σ原则剔除离群值,并通过平移缩放处理,使单通道分量处理后数据的均值等于1、标准差等于0.5;
17、对经过前述处理后的位点特征执行错切变换,使数据分布趋向平行于坐标轴;
18、将数据预处理后得到的位点特征转换为极坐标特征的转换公式为:
19、
20、
21、其中,为极坐标特征在极坐标系中的横坐标,为极坐标特征在极坐标系中的纵坐标,为错切变换后位点特征在笛卡尔坐标系中的横坐标,为错切变换后位点特征在笛卡尔坐标系中的纵坐标,为用于避免分母为0的极小常数,θ取值属于区间。
22、在其中一个实施例中,全局分布信息为当前基因位点下全部猪基因样本对应的极坐标特征统计量;其中,极坐标特征统计量为当前基因位点下全部猪基因样本对应的极坐标角度值按照0%至100%按等间距采样得到的11组百分位数统计量;
23、将基因位点对应的极坐标特征输入经预训练的神经网络模型进行基因型分型,包括:
24、将基因位点对应的极坐标特征,以及当前基因位点下全部猪基因样本对应的极坐标特征统计量输入经预训练的神经网络模型进行基因型分型。
25、在其中一个实施例中,神经网络模型包括输入层、隐藏层和输出层;
26、输入层的神经元数量与神经网络模型的输入特征的维度相等;
27、隐藏层为多层全连接层,采用先升维后降维的神经元配置,每层全连接层之后依次设有归一化层和激活函数;
28、输出层设置4个神经元,分别对应第一基因型、第二基因型、第三基因型和未检出基因型4类基因型分型结果,输出层采用softmax激活函数,选取概率最大值对应类别的基因型分型结果作为基因位点所对应的猪基因样本的猪基因型分型结果;
29、神经网络模型采用反向传播结合梯度下降算法完成预训练得到;预训练时初始学习率设置为0.01,采用余弦退火策略进行迭代训练;预训练所使用的训练数据包含猪高密度基因芯片历史分型标注数据。
30、在其中一个实施例中,基因位点包含猪基因组结构变异区域对应的基因位点。
31、第二方面,本技术还提供了一种基于高密度基因芯片的猪基因型分型装置,包括:
32、特征提取模块,用于获取猪基因样本与高密度基因芯片杂交反应后,不同光道照射芯片扫描得到的微珠灰度图像,并对微珠灰度图像进行特征提取,得到每颗微珠的灰度特征;其中,灰度特征为满足预设灰度条件的像素数量;
33、位点统计模块,用于匹配高密度基因芯片的芯片注释信息,对每个基因位点对应的微珠的灰度特征进行统计处理,得到各基因位点的位点特征;其中,芯片注释信息包括基因位点与微珠之间的映射关系;
34、预处理模块,用于对位点特征进行数据预处理,并将数据预处理后得到的位点特征转换为极坐标特征;
35、神经网络分型模块,用于将基因位点对应的极坐标特征输入经预训练的神经网络模型进行基因型分型;神经网络模型在分型时结合当前基因位点的全局分布信息;
36、结果输出模块,用于输出各基因位点所对应的猪个体的猪基因型分型结果。
37、第三方面,本技术还提供了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现第一方面的基于高密度基因芯片的猪基因型分型方法的步骤。
38、第四方面,本技术还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现第一方面的基于高密度基因芯片的猪基因型分型方法的步骤。
39、综上,本技术提出一种基于高密度基因芯片的猪基因型分型方法、装置、设备和介质,包括:获取微珠灰度图像,并对微珠灰度图像进行特征提取,得到每颗微珠的灰度特征;匹配高密度基因芯片的芯片注释信息,对每个基因位点对应的微珠的灰度特征进行统计处理,得到各基因位点的位点特征;对位点特征进行数据预处理,并将其转换为极坐标特征;将基因位点对应的极坐标特征输入经预训练的神经网络模型进行基因型分型;输出各基因位点所对应的猪基因样本的猪基因型分型结果。本技术能够降低芯片成像亮度波动对微珠特征提取的干扰,在分型推理过程中结合基因位点全局分布信息,可以有效减少基因型分型误判,适用于猪高密度基因芯片大批量样本的基因型分型检测。
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