基于双侧训练覆盖度分层的菌株级噬菌体-宿主匹配方法、装置、终端及介质

摘要: 本技术涉及生物信息学,尤其涉及的是基于双侧训练覆盖度分层的菌株级噬菌体-宿主匹配方法、装置、终端及介质。背景技术:1、噬菌体治疗需要从候选噬菌体库中筛选能够感染...
基于双侧训练覆盖度分层的菌株级噬菌体-宿主匹配方法、装置、终端及介质

本技术涉及生物信息学,尤其涉及的是基于双侧训练覆盖度分层的菌株级噬菌体-宿主匹配方法、装置、终端及介质。

背景技术:

1、噬菌体治疗需要从候选噬菌体库中筛选能够感染患者分离菌株的噬菌体。噬菌体宿主范围通常具有菌株特异性,传统点滴、双层琼脂或液体生长抑制试验需要逐一测试大量组合,耗时且受本地噬菌体库规模限制。

2、现有的噬菌体-宿主匹配方法一般是集成或混合专家方案,同时运行多个模型并融合分数,增加推理计算量;但是各模型融合时所采用的权重并不能够准确反映查询噬菌体侧和宿主侧相对于训练库的具体覆盖程度,进而导致噬菌体与宿主的匹配结果不准确。

3、因此,现有技术存在缺陷,有待改进与发展。

技术实现思路

1、本技术要解决的技术问题在于,针对现有技术的上述缺陷,提供一种基于双侧训练覆盖度分层的菌株级噬菌体-宿主匹配方法、装置、终端及介质,旨在解决现有技术中噬菌体与宿主的匹配结果不准确的问题。

2、本技术解决技术问题所采用的技术方案如下:

3、一种基于双侧训练覆盖度分层的菌株级噬菌体-宿主匹配方法,所述方法包括:

4、针对预定的每一候选模态,分别根据目标噬菌体的基因组序列数据确定该候选模态下的噬菌体侧对象级特征,以及根据目标宿主的基因组序列数据确定该候选模态下的宿主侧对象级特征;

5、获取预先构建的训练库,所述训练库中包括训练噬菌体集合和训练宿主集合;

6、针对每一候选模态,基于该候选模态下的噬菌体侧对象级特征与训练噬菌体集合得到该候选模态下的噬菌体侧训练覆盖度,并基于该候选模态下的宿主侧对象级特征与训练宿主集合得到该候选模态下的宿主侧训练覆盖度;

7、针对每一候选模态,将该候选模态下的噬菌体侧训练覆盖度映射为噬菌体覆盖度层级,并将该候选模态下的宿主侧训练覆盖度映射为宿主覆盖度层级;

8、针对每一候选模态,根据该候选模态对应的噬菌体覆盖度层级、宿主覆盖度层级及候选模态标识生成候选路由单元,根据预先构建的模型库中固化的覆盖条件-模型性能对应关系,从各候选路由单元对应的候选模型中确定目标模型,利用所述目标模型输出所述目标噬菌体与所述目标宿主之间的匹配结果。

9、在本技术的一个实施例中,噬菌体侧对象级特征的获取步骤包括:

10、对目标噬菌体的基因组序列数据进行开放阅读框预测,对预测得到的开放阅读框进行翻译,得到候选蛋白;

11、从所述候选蛋白中确定至少一种受体结合蛋白,并确定每一种所述受体结合蛋白在预定的各候选模态下的蛋白向量;

12、针对每一候选模态,对属于所述目标噬菌体的全部可用受体结合蛋白在该候选模态下的特征向量进行聚合,得到该候选模态下的噬菌体侧对象级特征;

13、宿主侧对象级特征的获取步骤包括:

14、基于目标宿主的基因组序列数据确定所述目标宿主的k位点;

15、提取所述k位点编码的至少一种k位点编码蛋白的氨基酸序列,基于每一种所述k位点编码蛋白的氨基酸序列确定所述k位点编码蛋白在该候选模态下的特征向量;

16、针对每一候选模态,将所述k位点编码蛋白在该候选模态下的特征向量按蛋白数量进行均值聚合,得到该候选模态下的宿主侧对象级特征。

17、在本技术的一个实施例中,针对每一候选模态,所述噬菌体侧训练覆盖度和所述宿主侧训练覆盖度分别采用预先确定的中心化余弦相似度、原型中心相似度和前k个近邻相似度均值中的一种进行计算;同一候选模态在模型库构建阶段和推理阶段采用相同的训练覆盖度计算方法;所述噬菌体覆盖度层级和所述宿主覆盖度层级分别采用基于训练库内同类型对象相似度分布的经验分位阈值进行划分。

18、在本技术的一个实施例中,针对每一候选模态,根据该候选模态对应的噬菌体覆盖度层级、宿主覆盖度层级及候选模态标识生成候选路由单元,根据预先构建的模型库中固化的覆盖条件-模型性能对应关系,从各候选路由单元对应的候选模型中确定目标模型,包括:

19、基于规范化标识、基因组序列哈希值或完全一致的关键蛋白集合中的至少一种预先登记的精确匹配条件,判断所述目标噬菌体是否存在于所述训练噬菌体集合并得到第一判定结果,以及判断所述目标宿主是否存在于所述训练宿主集合并得到第二判定结果;任一精确匹配条件满足时,判定相应目标对象存在于相应训练集合;

20、根据所述目标噬菌体和所述目标宿主在相应训练集合中的存在情况确定未见模式;针对每一候选模态m,根据所述未见模式u、该候选模态对应的噬菌体覆盖度层级bpm、宿主覆盖度层级bhm及候选模态标识m生成候选路由单元;根据所述候选路由单元查询所述模型库中预先固化的性能记录,并按照部署前固化的评价指标优先次序,从各候选路由单元对应的候选模型中确定目标模型。

21、在本技术的一个实施例中,根据所述目标噬菌体和所述目标宿主在相应训练集合中的存在情况确定未见模式,包括:

22、若所述目标宿主未存在于所述训练宿主集合中且所述目标噬菌体存在于所述训练噬菌体集合中,则确定为宿主未见模式;

23、若所述目标噬菌体未存在于所述训练噬菌体集合中且所述目标宿主存在于所述训练宿主集合中,则确定为噬菌体未见模式;

24、若所述目标噬菌体未存在于所述训练噬菌体集合中且所述目标宿主未存在于所述训练宿主集合中,则确定为双侧未见模式。

25、在本技术的一个实施例中,所述模型库的构建步骤包括:

26、计算训练噬菌体集合中各训练噬菌体之间的噬菌体相似度矩阵,以及计算训练宿主集合中各训练宿主之间的宿主相似度矩阵;

27、基于所述噬菌体相似度矩阵和宿主相似度矩阵,分别对训练噬菌体和训练宿主进行贪心分组,得到多个噬菌体组和多个宿主组;

28、基于所述噬菌体组和所述宿主组,采用留组交叉验证方式对多个候选模型进行未见交叉验证,在每轮留组交叉验证中,根据本轮用于训练的训练噬菌体和训练宿主构建训练图,所述训练图包括噬菌体节点和宿主节点;

29、根据同一类型节点之间的余弦相似度,在所述噬菌体节点之间以及在所述宿主节点之间建立有向k近邻辅助边;

30、针对每一种候选模态,利用相同网络结构的主体网络沿所述有向k近邻辅助边进行消息传递,得到噬菌体表示和宿主表示;

31、基于所述噬菌体表示和所述宿主表示得到噬菌体与宿主之间的相互作用概率,并将本轮噬菌体-宿主对的噬菌体-宿主标签作为监督信号;

32、对训练后的候选模型进行评价,针对每一候选模态标识m、每一未见模式u及相应的噬菌体覆盖度层级bpm和宿主覆盖度层级bhm形成路由单元(u,bpm,bhm,m),记录对应的评价结果;按照部署前固化的评价指标优先次序,为每一路由单元登记一个主模型标识,并基于所述路由单元、所述主模型标识和对应评价结果构建所述模型库。

33、在本技术的一个实施例中,所述未见交叉验证包括宿主未见交叉验证、噬菌体未见交叉验证和双侧未见交叉验证;基于所述噬菌体组和所述宿主组,采用留组交叉验证方式对多个候选模型进行未见交叉验证,包括:

34、当进行宿主未见交叉验证时,在每一轮中,从多个宿主组中选取一个宿主组作为本轮验证组,将包含所述宿主组中训练宿主的噬菌体-宿主对排除在本轮训练数据之外,并将所述噬菌体-宿主对用于本轮评价;

35、当进行噬菌体未见交叉验证时,在每一轮中,从多个噬菌体组中选取一个噬菌体组作为本轮验证组,将包含所述噬菌体组中训练噬菌体的噬菌体-宿主对排除在本轮训练数据之外,并将所述噬菌体-宿主对用于本轮评价;

36、对于双侧未见模式,将留出的噬菌体节点、留出的宿主节点以及以任一留出节点为端点的全部噬菌体-宿主配对标签排除在本轮训练数据之外,所述留出节点及其标签不参与参数更新或训练图消息传递,并对留出的噬菌体分组和留出的宿主分组之间的配对进行评价。

37、在本技术的一个实施例中,所述匹配结果为相互作用概率,所述方法还包括以下排序步骤:

38、若当前场景为针对目标噬菌体从多个候选宿主中确定匹配宿主,则根据所述目标噬菌体与各候选宿主之间的相互作用概率,按照相互作用概率从高到低的顺序对多个候选宿主进行排序,得到候选宿主排序结果;

39、若当前场景为针对目标宿主从多个候选噬菌体中确定匹配噬菌体,则根据所述目标宿主与各候选噬菌体之间的相互作用概率,按照相互作用概率从高到低的顺序对多个候选噬菌体进行排序,得到候选噬菌体排序结果。

40、在本技术的一个实施例中,所述方法还包括:

41、将与查询节点同类型的训练节点作为所述查询节点的邻接节点,建立由所述训练节点指向所述查询节点的有向相似性边,不建立由所述查询节点指向所述训练节点的反向消息传递边,并将所述邻接节点的训练侧表示进行聚合后更新所述查询节点的表示。

42、本技术还提供一种基于双侧训练覆盖度分层的菌株级噬菌体-宿主匹配装置,所述装置包括:

43、特征确定模块,用于针对预定的每一候选模态,分别根据目标噬菌体的基因组序列数据确定该候选模态下的噬菌体侧对象级特征,以及根据目标宿主的基因组序列数据确定该候选模态下的宿主侧对象级特征;

44、训练库获取模块,用于获取预先构建的训练库,所述训练库中包括训练噬菌体集合和训练宿主集合;

45、训练覆盖度确定模块,用于针对每一候选模态,基于该候选模态下的噬菌体侧对象级特征与训练噬菌体集合得到该候选模态下的噬菌体侧训练覆盖度,并基于该候选模态下的宿主侧对象级特征与训练宿主集合得到该候选模态下的宿主侧训练覆盖度;

46、覆盖度层级确定模块,用于针对每一候选模态,将该候选模态下的噬菌体侧训练覆盖度映射为噬菌体覆盖度层级,并将该候选模态下的宿主侧训练覆盖度映射为宿主覆盖度层级;

47、匹配结果确定模块,用于针对每一候选模态,根据该候选模态对应的噬菌体覆盖度层级、宿主覆盖度层级及候选模态标识生成候选路由单元,根据预先构建的模型库中固化的覆盖条件-模型性能对应关系,从各候选路由单元对应的候选模型中确定目标模型,利用所述目标模型输出所述目标噬菌体与所述目标宿主之间的匹配结果。

48、本技术还提供一种终端,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现如上所述的菌株级噬菌体-宿主匹配方法。

49、本技术还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如上所述的菌株级噬菌体-宿主匹配方法。

50、本技术的技术效果:

51、本技术针对预定的每一候选模态分别计算噬菌体侧和宿主侧的训练覆盖度及覆盖度层级,并基于候选模态标识形成候选路由单元;通过在模型库中预先固化覆盖条件-模型性能对应关系,按照部署前确定的评价指标优先次序选择目标模型,利用所述目标模型输出匹配结果。由此,可使模型选择过程可重复核验,避免运行时任意组合多个候选模型,并降低不必要的并行推理开销,有助于提高菌株级噬菌体-宿主匹配的准确性和可复现性。