一种基于多模态数据融合的遗传学基因关联分析系统

本发明涉及遗传学数据分析，具体为一种基于多模态数据融合的遗传学基因关联分析系统。

背景技术：

1、遗传学基因关联分析是通过对基因型数据、测序数据、基因表达数据、表型数据以及临床信息等进行分析，以确定基因、遗传变异位点或基因表达特征与疾病、性状或生物学功能之间关联关系的技术。现有技术中，常用方法包括全基因组关联分析、候选基因分析、表达数量性状位点分析以及基于多组学数据的联合建模分析等，其通常先对单一类型或少数几类数据进行预处理和特征提取，再通过统计检验、回归模型、机器学习模型或多模态融合模型获得与目标表型相关的候选基因、变异位点或特征组合。随着高通量测序、临床检测、电子病历、组学检测及医学影像等技术的发展，遗传学分析中可利用的数据来源不断增加，多模态数据融合已逐渐成为提高基因关联分析准确性和综合解释能力的重要技术路径。

2、但是，不同模态数据在完整性、噪声水平、数据尺度和关联证据强弱方面通常存在差异，现有技术多采用特征拼接、统一降维或固定权重融合方式，难以根据各模态数据的可靠程度和跨模态一致性动态调整融合过程，导致低质量数据或冲突数据容易干扰基因关联分析结果，降低候选基因或关键变异位点筛选的准确性和稳定性。

技术实现思路

1、针对现有技术的不足，本发明提供了一种基于多模态数据融合的遗传学基因关联分析系统，通过构建单模态关联证据、识别跨模态证据冲突并利用冲突惩罚因子动态调整融合权重，解决了多模态遗传学数据中低质量模态或冲突模态干扰基因关联分析结果的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：一种基于多模态数据融合的遗传学基因关联分析系统，包括：

3、多模态数据处理模块，用于获取待分析对象对应的遗传学多模态数据，并对所述遗传学多模态数据进行预处理，得到多模态特征组；其中，所述多模态特征组包括至少一个待分析遗传对象对应的多个模态特征，所述待分析遗传对象包括待分析基因对象或待分析遗传变异对象；

4、单模态关联证据生成模块，用于针对同一所述待分析遗传对象，分别基于各所述模态特征确定该待分析遗传对象相对于同一目标表型的单模态关联证据；

5、跨模态证据冲突评价模块，用于根据同一所述待分析遗传对象相对于同一目标表型的多个所述单模态关联证据，构建跨模态证据一致性矩阵，并基于所述跨模态证据一致性矩阵识别与其他模态特征存在关联证据冲突的冲突模态特征，生成所述冲突模态特征对应的冲突惩罚因子；

6、动态融合模块，用于根据各所述模态特征对应的模态可靠性值、所述跨模态证据一致性矩阵以及所述冲突惩罚因子，生成各所述模态特征对应的动态融合权重，并按照所述动态融合权重对同一所述待分析遗传对象对应的多个模态特征进行融合，得到该待分析遗传对象相对于所述目标表型的融合关联特征；其中，所述冲突惩罚因子用于降低所述冲突模态特征对应的动态融合权重；

7、基因关联分析模块，用于基于所述融合关联特征确定所述待分析遗传对象与所述目标表型之间的基因关联结果，并根据所述基因关联结果输出候选基因、候选遗传变异位点和对应的关联排序结果。

8、优选的，所述遗传学多模态数据包括基因型数据、转录组表达数据、表型测量数据、临床检验数据、蛋白质组数据和代谢组数据中的至少两种；所述目标表型包括疾病状态、数量性状、药物反应表型或生理功能表型。

9、优选的，所述多模态数据处理模块包括样本对齐单元、缺失标记单元和标准化单元；所述样本对齐单元用于按照待分析对象的样本标识将不同模态数据映射至同一待分析对象；所述缺失标记单元用于记录各待分析对象在各模态数据中的缺失状态；所述标准化单元用于对不同模态数据进行尺度统一处理，以形成所述多模态特征组。

10、优选的，所述单模态关联证据生成模块用于针对同一待分析遗传对象，将各所述模态特征分别作为输入变量，将所述目标表型作为响应变量或分类标签，建立对应的单模态关联模型，并根据所述单模态关联模型的输出结果确定所述单模态关联证据；其中，所述单模态关联证据包括关联方向、关联强度和关联显著性，所述关联方向用于表示对应模态特征与目标表型之间的正向关联或负向关联，所述关联强度用于表示对应模态特征对目标表型的影响程度，所述关联显著性用于表示对应模态特征与目标表型之间关联关系的统计支持程度。

11、优选的，所述单模态关联证据生成模块用于根据模型系数的符号或特征贡献值的方向确定所述关联方向，根据效应量、相关系数、回归系数绝对值或特征重要度确定所述关联强度，并根据显著性检验结果、置信区间结果或模型稳定性评价结果确定所述关联显著性。

12、优选的，所述跨模态证据冲突评价模块用于以同一待分析遗传对象对应的各模态特征为矩阵行和矩阵列，构建所述跨模态证据一致性矩阵；所述跨模态证据一致性矩阵中的矩阵元素用于表示两个模态特征对应的单模态关联证据之间的关联方向一致状态、关联强度偏离程度和关联显著性支持状态。

13、优选的，所述跨模态证据冲突评价模块用于根据所述跨模态证据一致性矩阵，统计任一模态特征与其他模态特征之间的方向冲突数量；当所述方向冲突数量达到预设冲突数量条件，且该任一模态特征与发生方向冲突的其他模态特征之间的关联强度偏离程度达到预设偏离条件时，将该任一模态特征确定为所述冲突模态特征。

14、优选的，所述跨模态证据冲突评价模块用于根据所述冲突模态特征的方向冲突数量、关联强度偏离程度和冲突证据支持程度生成所述冲突惩罚因子；其中，所述冲突证据支持程度由所述冲突模态特征的关联显著性以及与所述冲突模态特征发生方向冲突的其他模态特征的关联显著性共同确定，所述方向冲突数量、所述关联强度偏离程度和所述冲突证据支持程度分别作为正向惩罚项参与所述冲突惩罚因子的生成。

15、优选的，所述动态融合模块用于根据各所述模态特征对应的有效样本覆盖率、缺失比例、噪声水平和尺度偏离程度生成所述模态可靠性值；其中，所述有效样本覆盖率作为正向评价项参与所述模态可靠性值的生成，所述缺失比例、所述噪声水平和所述尺度偏离程度分别作为负向评价项参与所述模态可靠性值的生成。

16、优选的，所述动态融合模块用于根据所述模态可靠性值生成各模态特征对应的可靠性初始权重，根据所述跨模态证据一致性矩阵生成一致性修正系数，并根据所述冲突惩罚因子对所述可靠性初始权重进行降低修正，得到修正权重；对各模态特征对应的修正权重进行归一化处理，得到所述动态融合权重；所述基因关联分析模块用于根据所述融合关联特征计算各待分析遗传对象对应的融合关联评分，并按照所述融合关联评分生成所述关联排序结果。

17、本发明提供了一种基于多模态数据融合的遗传学基因关联分析系统。具备以下有益效果：

18、该基于多模态数据融合的遗传学基因关联分析系统，通过设置单模态关联证据生成模块和跨模态证据冲突评价模块，先针对同一待分析遗传对象分别生成各模态特征相对于同一目标表型的单模态关联证据，再基于多个单模态关联证据构建跨模态证据一致性矩阵，由此能够识别不同模态之间存在关联方向不一致、关联强度偏离或显著性支持不一致的冲突模态特征。相比于直接对多模态数据进行特征拼接、统一降维或固定权重融合的方式，本发明能够在融合之前先判断各模态数据所提供的关联证据是否相互支持，避免冲突模态特征被无差别地纳入融合过程，从而降低相互矛盾的模态证据对遗传学基因关联分析结果的干扰。

19、本发明还通过动态融合模块根据模态可靠性值、跨模态证据一致性矩阵以及冲突惩罚因子生成动态融合权重，并利用冲突惩罚因子降低冲突模态特征对应的动态融合权重，使不同模态特征在融合过程中的贡献能够随数据质量和证据一致性进行调整。由此，在不同模态数据存在完整性差异、噪声差异、尺度差异及关联证据强弱差异的情况下，仍能够获得更稳定的融合关联特征，并基于该融合关联特征输出候选基因、候选遗传变异位点及关联排序结果，从而提高基因关联分析结果的准确性、稳定性和可解释性。