一种基于神经网络的免疫特征识别方法技术

本发明专利技术公开了一种基于神经网络的免疫特征识别方法，根据高通量测序得到的受试者的B细胞受体(BCR)或T细胞受体(TCR)的可变区序列(CDR3序列)，与对照群体的BCR或TCR可变区序列(CDR3序列)集合进行比较，得到受试者个体或群体，对照群体差异的免疫特征序列，利用前馈反向传播(BP)神经网络算法构建受试者和对照组免疫特征模型，可在分子水平识别样本的免疫特征。

【技术实现步骤摘要】
一种基于神经网络的免疫特征识别方法
本专利技术属于免疫特征鉴定
，具体涉及一种基于神经网络的免疫特征识别方法的设计。
技术介绍
鉴定特定生物(包括但不限于人类、哺乳动物)个体或群体相对于对照组的免疫特征，是生物学和医学研究中重要且必须的检测。现有的检测方法主要有抗体/免疫因子检测、血常规检测、淋巴细胞亚群分析等。其中，抗体/免疫因子检测通过酶联免疫吸附试验(ELISA)、荧光定量PCR试验等方法，检测血液中免疫球蛋白、补体、干扰素、白介素等抗体和/或免疫因子的含量，或者检测免疫细胞表达这些抗体和/或免疫因子的水平。免疫球蛋白和细胞因子是体液免疫的重要效应成分，在生物体的免疫状况发生改变(如感染、药物、疫苗接种等)情况下，这些指标相对参考值将出现升高或降低。然而这种检测只针对体液免疫，不能很好评估细胞免疫。在样本量、经费和时间有限的情况下，只能检测部分因子的水平，也不能在分子序列层次上进行深度分析。免疫细胞即白细胞，主要分为淋巴细胞和巨噬细胞，是免疫系统的基本组成单位。血常规检测是通过显微镜观测对外周血中的白细胞进行分类和计本文档来自技高网...

【技术保护点】
1.一种基于神经网络的免疫特征识别方法，其特征在于，包括以下步骤：/nS1、通过高通量测序得到受试者和对照组的TCR或BCR的CDR3序列；/nS2、取相同数量的受试者和对照组的TCR或BCR的CDR3序列样本，进行数据筛选；/nS3、对数据筛选后的受试者和对照组的TCR或BCR的CDR3序列样本进行对比分析，得到受试者和对照组的TCR或BCR的特征CDR3序列及其数量，并对其进行数据标准化处理后作为样本集；/nS4、通过BP神经网络算法，采用样本集中70％的样本数据构建免疫特征识别神经网络模型；/nS5、采用样本集中剩余30％的样本数据对免疫特征识别神经网络模型进行验证，并采用验证后的免疫特...

【技术特征摘要】
1.一种基于神经网络的免疫特征识别方法，其特征在于，包括以下步骤：
S1、通过高通量测序得到受试者和对照组的TCR或BCR的CDR3序列；
S2、取相同数量的受试者和对照组的TCR或BCR的CDR3序列样本，进行数据筛选；
S3、对数据筛选后的受试者和对照组的TCR或BCR的CDR3序列样本进行对比分析，得到受试者和对照组的TCR或BCR的特征CDR3序列及其数量，并对其进行数据标准化处理后作为样本集；
S4、通过BP神经网络算法，采用样本集中70％的样本数据构建免疫特征识别神经网络模型；
S5、采用样本集中剩余30％的样本数据对免疫特征识别神经网络模型进行验证，并采用验证后的免疫特征识别神经网络模型对相同类型受试者个体或群体进行免疫特征识别。


2.根据权利要求1所述的免疫特征识别方法，其特征在于，所述步骤S1中对每个样本的TCR或BCR的CDR3序列进行随机不放回抽样，使每个样本的CDR3序列数量总和均为50000。


3.根据权利要求1所述的免疫特征识别方法，其特征在于，所述步骤S2中进行数据筛选的具体方法为：保留CDR3序列样本中CDR3序列数量大于5的CDR3序列，筛除掉CDR3序列数量小于或等于5的...

【专利技术属性】
技术研发人员：张志新，杨鑫，卓越，
申请(专利权)人：成都益安博生物技术有限公司，
类型：发明
国别省市：四川;51