三维基因组Hi-C数据中TAD嵌套结构检测方法及系统技术方案

本公开提出了三维基因组Hi‑C数据中TAD嵌套结构检测方法及系统，包括：针对获取的低分辨率Hi‑C数据，进行双端测序并各自对比，根据对比结果进行合并并筛选有效配对后，用有效的配对构建接触矩阵；运用深度学习网络模型对低分辨率Hi‑C数据进行增强；利用原始低分辨率Hi‑C数据和增强后不同来源的Hi‑C数据，检测TAD嵌套结构。结合了数据增强和结构检测两部分功能，通过输入不同精度的Hi‑C实验数据，能够得到同样全面细致的TAD及其嵌套结构整体分析，在突破实验条件限制的同时降低了测序成本，提升了本方法可应用的范围。

【技术实现步骤摘要】
三维基因组Hi-C数据中TAD嵌套结构检测方法及系统
本公开属于计算机数据处理
，尤其涉及三维基因组Hi-C数据中TAD嵌套结构检测方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。基因与人类生命健康密切关联，人类日常生理活动离不开基因的表达与调控，缺陷或病变基因能够影响相关疾病进程，若能够提早发现基因问题进行预防和控制，才可以有效控制疾病的发展。因此，基因一直是各国学者研究的重要课题。随着时代发展，研究技术不断进步，利用计算机对生物学领域，尤其是基因相关的庞大数据进行统计、模拟和管理的计算生物学给生物研究拓宽了全新的视野。通过数据分析，能够让原本不可见的基因遗传信息变得可被研究；通过模拟数据和建立模型，也能够让对基因的设想转变为可验证的假设，不断加深研究者对基因的认识。人类等真核生物的DNA不仅仅建立在一条线性链的基础上。DNA在细胞核内经过高度折叠和浓缩，使得染色质在空间上具有一定的复杂结构和构象。研究表明，这种结构和构象在基因表达和调控过程中起到了相当重要的作用。想要彻底本文档来自技高网...

【技术保护点】
1.三维基因组Hi-C数据中TAD嵌套结构检测方法，其特征是，包括：/n针对获取的低分辨率Hi-C数据，进行双端测序并各自对比，根据对比结果进行合并并筛选有效配对后，用有效的配对构建接触矩阵；/n运用深度学习网络模型对低分辨率Hi-C数据进行增强；/n利用原始低分辨率Hi-C数据和增强后不同来源的Hi-C数据，检测TAD嵌套结构。/n

【技术特征摘要】
1.三维基因组Hi-C数据中TAD嵌套结构检测方法，其特征是，包括：
针对获取的低分辨率Hi-C数据，进行双端测序并各自对比，根据对比结果进行合并并筛选有效配对后，用有效的配对构建接触矩阵；
运用深度学习网络模型对低分辨率Hi-C数据进行增强；
利用原始低分辨率Hi-C数据和增强后不同来源的Hi-C数据，检测TAD嵌套结构。


2.如权利要求1所述的三维基因组Hi-C数据中TAD嵌套结构检测方法，其特征是，获取的低分辨率Hi-C数据首先进行统一规范化整理。


3.如权利要求1所述的三维基因组Hi-C数据中TAD嵌套结构检测方法，其特征是，所述深度学习网络模型包括：输入层、隐藏层及输出层；
所述输入层主要用于从输入中提取低分辨率Hi-C接触矩阵的特征和模式，以获得低分辨率样本与训练阶段高分辨率样本之间的关系，并预测生产阶段低分辨率样本的高分辨率样本，同时使用内部卷积来增加网络的非线性；
隐藏层附加的主要作用是裁剪输入Hi-C接触矩阵的大小，隐藏层中包括小卷积内核，满足裁剪矩阵需要；
输出层作通过使用从上一个网络中提取的功能来增强Hi-C数据的分辨率，并输出高分辨率Hi-C接触矩阵。


4.如权利要求1所述的三维基因组Hi-C数据中TAD嵌套结构检测方法，其特征是，所述高分辨率子矩阵合并到染色体大小Hi-C相互作用矩阵中。


5.如权利要求1所述的三维基因组Hi-...

【专利技术属性】
技术研发人员：吴昊，艾兆恒，董记华，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37