【技术实现步骤摘要】
蛋白表达量的预测方法、装置、计算机设备和存储介质
本申请涉及生物
，特别是涉及一种蛋白表达量的预测方法、装置、计算机设备和存储介质。
技术介绍
随着基因工程技术的不断发展，从细胞池中分离出能够表达特定产物的单克隆细胞株已成为生物领域中的常见需求。在现有技术中，可以对细胞池中的细胞进行转染，并采用有限稀释法对细胞池进行处理，得到单细胞，进而可以采用单细胞培养具有同质性的细胞群体，即细胞株，并测试细胞株中细胞的目的蛋白表达量，筛选其中目的蛋白表达水平高的细胞株。然而，有限稀释法过程繁琐，需要反复地对细胞进行培养和筛选后，才计算目的蛋白表达量，导致蛋白表达量的预测效率低下，耗时十分长。
技术实现思路
基于此，有必要针对上述技术问题，提供一种蛋白表达量的预测方法、装置、计算机设备和存储介质。一种蛋白表达量的预测方法，所述方法包括：获取细胞培养池中多个待测细胞分别对应的待测细胞灰度图；将多张待测细胞灰度图输入目标生成网络模型；所述目标生成网络模型采用多张训练细胞灰度图对...
【技术保护点】
1.一种蛋白表达量的预测方法，其特征在于，所述方法包括：/n获取细胞培养池中多个待测细胞分别对应的待测细胞灰度图；/n将多张待测细胞灰度图输入目标生成网络模型；所述目标生成网络模型采用多张训练细胞灰度图对生成式对抗网络模型训练得到；所述多张训练细胞灰度图分别具有对应的荧光图标签；所述荧光图标签为训练细胞灰度图对应的真实荧光图；/n根据所述目标生成网络模型的输出，得到所述多个待测细胞分别对应的预测荧光图；/n根据所述预测荧光图，确定所述多个待测细胞分别对应的蛋白表达量。/n
【技术特征摘要】
1.一种蛋白表达量的预测方法，其特征在于，所述方法包括：
获取细胞培养池中多个待测细胞分别对应的待测细胞灰度图；
将多张待测细胞灰度图输入目标生成网络模型；所述目标生成网络模型采用多张训练细胞灰度图对生成式对抗网络模型训练得到；所述多张训练细胞灰度图分别具有对应的荧光图标签；所述荧光图标签为训练细胞灰度图对应的真实荧光图；
根据所述目标生成网络模型的输出，得到所述多个待测细胞分别对应的预测荧光图；
根据所述预测荧光图，确定所述多个待测细胞分别对应的蛋白表达量。
2.根据权利要求1所述的方法，其特征在于，所述将多张待测细胞灰度图输入目标生成网络模型，包括：
根据各个待测细胞的待测细胞灰度图，确定各个待测细胞中的蛋白表达能力等级；
从多个待测细胞中确定蛋白表达能力等级满足预设条件的多个目标细胞；
将所述多个目标细胞分别对应的待测细胞灰度图，输入所述目标生成网络模型。
3.根据权利要求2所述的方法，其特征在于，所述根据各个待测细胞的待测细胞灰度图，确定各个待测细胞中的蛋白表达能力等级，包括：
将各个待测细胞的待测细胞灰度图输入细胞分类网络模型；所述细胞分类网络模型采用具有蛋白表达量标签的多张训练细胞灰度图对初始卷积神经网络训练得到；所述蛋白表达量标签用于表征各训练细胞灰度图中细胞的蛋白表达能力等级；所述细胞分类网络模型用于检测输入模型的细胞灰度图中细胞的蛋白表达能力等级；
根据所述细胞分类网络模型的输出，确定各个待测细胞中的蛋白表达能力等级。
4.根据权利要求3所述的方法，其特征在于，还包括：
获取训练细胞灰度图及其对应的真实荧光图；
确定所述真实荧光图中绿色通道对应的数值；
根据所述真实荧光图中绿色通道对应的数值，确定对应的所述训练细胞灰度图中细胞的真实蛋白表达量，以及所述真实蛋白量对应的蛋白表达能力等级，并基于所述蛋白表达能力等级得到所述训练细胞灰度图的蛋白表达量标签；
采用所述蛋白表达量标签和所述训练细胞灰度图对初始卷积神经网络进行训练，得到细胞分类网络模型。
5.根据权利要求1所述的方法，其特征在于，还包括：
获取生成式对抗网络模型、训练细胞灰度图及其对应的真实荧光图；所述生成式对抗网络模型包括待训练的生成网络模型和判别网络模型；
将所述训练细胞灰度图输入所述生成网络模型，获取所述生成网络模型...
【专利技术属性】
技术研发人员：陈亮，韩晓健，李争尔，梁国龙，
申请(专利权)人：东莞太力生物工程有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。