一种基于FCDN神经网络及cfRNA的血压数据预测方法及系统技术方案

本发明专利技术公开了一种基于FCDN神经网络及cfRNA的血压数据预测方法及系统，对妊娠早期对象的血液样本进行cfRNA测序，提取血液样本的cfRNA测序表达量；对血液样本cfRNA测序表达量进行数据预处理，筛选表征妊娠期血压值升高具有差异的cfRNA测序数据指标，同时建立训练数据集和验证数据集；建立FCDN神经网络模型；利用训练数据集对FCDN神经网络模型进行训练，利用验证数据集对训练好的FCDN神经网络模型进行验证得到最优的FCDN神经网络模型，利用最优的FCDN神经网络模型得到妊娠期血压值升高概率结果。概率结果。概率结果。

【技术实现步骤摘要】
一种基于FCDN神经网络及cfRNA的血压数据预测方法及系统


[0001]本专利技术属于生物测序数据处理
，具体涉及一种基于FCDN神经网络及cfRNA的血压数据预测方法及系统。

技术介绍

[0002]血液、尿液、唾液等体液中存在着大量游离的核酸小片段DNA(cell
‑
free DNA)和RNA(cell
‑
free RNA)等生物标志物，在肿瘤早筛、肿瘤用药、疗效评估和复发监测方面有着重要的应用价值。其中最受关注的是循环游离RNA(circulating cell
‑
free RNA，cfRNA)，包括微小RNA(microRNA，miRNA)，长链非编码RNA(long non
‑
coding RNA，lncRNA)，环状RNA(circular RNA，circRNA)、运载RNA(transfer RNA)和信使RNA(message RNA，mRNA)等几乎所有类型的RNA。
[0003]已有研究报道cfRNA用于一些实体肿瘤，包括乳腺癌、结直肠癌、滤泡性淋巴瘤和肝细胞癌等的早期诊断。cfRNA较少受到衰老细胞释放DNA的影响，在体液中丰度高，在疾病预测、诊断、预后判断等领域有着重要的应用价值。
[0004]在医学研究中，通常将临床标本委托拥有测序仪器的公司进行cfRNA测序，交付的结果中通常包含至少三千余种cfRNA的变化量。受限于专业背景的不同，获得测序数据后，通常仅采用SPSS这一类统计学软件根据显著性差异筛选出某个cfRNA，随后针对这一个cfRNA展开相关的实验。

技术实现思路

[0005]本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于FCDN神经网络及cfRNA的血压数据预测方法及系统，利用深度神经网络进行数据学习、拟合，以实现cfRNA测序数据整体解读，用于解决PE现象在妊娠早期无法量化预测的技术问题。
[0006]本专利技术采用以下技术方案：
[0007]一种基于FCDN神经网络及cfRNA的血压数据预测方法，包括以下步骤：
[0008]S1、对妊娠早期对象的血液样本进行cfRNA测序，提取血液样本的cfRNA测序表达量；
[0009]S2、对步骤S1得到的血液样本cfRNA测序表达量进行数据预处理，筛选表征妊娠期血压值升高具有差异的cfRNA测序数据指标，同时建立训练数据集和验证数据集；
[0010]S3、建立FCDN神经网络模型；
[0011]S4、利用步骤S2得到的训练数据集对步骤S3建立的FCDN神经网络模型进行训练，利用步骤S2得到的验证数据集对训练好的FCDN神经网络模型进行验证得到最优的FCDN神经网络模型，利用最优的FCDN神经网络模型得到妊娠期血压值升高概率结果。
[0012]具体的，步骤S1中，血液样本cfRNA测序表达量具体为：
[0013][0014]其中，x_train[i]为cfRNA表达量训练数据集，x_test[i]为cfRNA表达量验证数据集，EF[i]为妊娠期血压升高样本组实际测序数据预处理后的cfRNA表达量，RF[i]为正常组实际测序数据预处理后的cfRNA表达量，M为训练数据集样本生成量，Q为验证数据集样本生成量。
[0015]具体的，步骤S2中，数据预处理具体为：
[0016]剔除PE与非PE组表达量均含0项；排除PE组cfRNA分布区间与非PE组分布区间100％重叠项；计算PE组cfRNA分布区间与非PE组分布区间均值偏差量；按分布区间重叠比阈值筛选cfRNA显著性差异测序数据指标。
[0017]进一步的，筛选cfRNA显著性差异测序数据指标具体为：
[0018]剔除测序数据中PE组与非PE组中均含0表达量的cfRNA测序量；剔除测序数据中PE组与非PE组测序量100％区间重叠的cfRNA；剔除测序数据中PE组与非PE组测序量均值偏差小于10％的cfRNA。
[0019]具体的，步骤S2中，训练与验证cfRNA数据集对应的训练数据集和验证数据集具体为：
[0020]根据筛选后cfRNA测序向量的幅值分布，利用高斯随机数函数生成模拟测序样本，得到训练数据集和验证数据集，训练数据集和验证数据集分别包括cfRNA和血压升高概率贡献数据；血压升高概率贡献数据具体为：
[0021][0022][0023]其中，i∈[1,2,3,
…
N]，y_train[i]为血压升高概率贡献数据训练数据集，y_test[i]为血压升高概率贡献数据验证数据集，，EF[i]为为妊娠期血压升高样本组实际测序数据预处理后的cfRNA表达量，RF[i]为为正常组实际测序数据预处理后的cfRNA表达量，avg()为求取均值运算。
[0024]具体的，步骤S3中，FCDN神经网络模型包括：
[0025]卷积层Conv：进行前级特征粗提取处理；
[0026]全连接层Dense：与并联支路add运算构成一种残差网络结构，将前级多维特征图整合重组；
[0027]特征精提取模块TU：由批正则化运算BN；
[0028]卷积层Conv：带有的Relu为非线性激活函数；
[0029]DP：为神经元比例舍弃运算与MP最大池化运算；
[0030]利用卷积层Conv与全连接层Dense组合前级特征图张量，并作为输出层输出表征PE发病风险的(1,N,M)维概率向量。
[0031]具体的，步骤S4中，利用训练数据集对FCDN神经网络模型进行训练具体为：
[0032]损失函数loss表征训练预测输出值y_pred与标准值y_train存在的偏差，将cfRNA表达量数据集x_train分批输入至FCDN神经网络模型中，得到对应的预测概率向量y_pred与PE发病概率真值y_train求取MAE损失值；然后通过优化器Adam对FCDN神经网络模型的参数进行优化更新，通过多次循环迭代计算，使预测量y_pred与标记量y_train损失值Loss<T，阈值T＝0.02，完成训练。
[0033]进一步的，损失函数loss采用平均绝对误差MAE，优化器Adam采用学习率衰减机制动态调节模型学习率参数LR，具体为：
[0034][0035][0036]其中，M为总样本数量，y[i]为训练数据集中妊娠期血压值升高概率向量，x[i]为训练数据集中cfRNA表达量向量，FCDN()为深度神经网络模型预测函数，loss为损失值，a，b，c为衰减系数。
[0037]具体的，步骤S4中，利用验证数据集对训练好的FCDN神经网络模型进行验证具体为：
[0038]将训练数据集以外的验证数据x_test或其他妊娠早期对象cfRNA测序样本数据输入已训练的FCDN神经网络模型进行预测，将得到的y_pred作为最终的妊娠期血压值升高概率向量；对概率向量中各cfRNA贡献的概率值求取平均值，得到个体最终的妊本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于FCDN神经网络及cfRNA的血压数据预测方法，其特征在于，包括以下步骤：S1、对血液样本进行cfRNA测序，提取血液样本的cfRNA测序表达量；S2、对步骤S1得到的血液样本cfRNA测序表达量进行数据预处理，筛选表征血压值升高具有差异的cfRNA测序数据指标，同时建立训练数据集和验证数据集；S3、建立FCDN神经网络模型；S4、利用步骤S2得到的训练数据集对步骤S3建立的FCDN神经网络模型进行训练，利用步骤S2得到的验证数据集对训练好的FCDN神经网络模型进行验证得到最优的FCDN神经网络模型，利用最优的FCDN神经网络模型得到血压值升高概率结果。2.根据权利要求1所述的基于FCDN神经网络及cfRNA的血压数据预测方法，其特征在于，步骤S1中，血液样本cfRNA测序表达量具体为：其中，x_train[i]为cfRNA表达量训练数据集，x_test[i]为cfRNA表达量验证数据集，EF[i]为血压升高样本组实际测序数据预处理后的cfRNA表达量，RF[i]为正常组实际测序数据预处理后的cfRNA表达量，M为训练数据集样本生成量，Q为验证数据集样本生成量。3.根据权利要求1所述的基于FCDN神经网络及cfRNA的血压数据预测方法，其特征在于，步骤S2中，数据预处理具体为：剔除PE与非PE组表达量均含0项；排除PE组cfRNA分布区间与非PE组分布区间100％重叠项；计算PE组cfRNA分布区间与非PE组分布区间均值偏差量；按分布区间重叠比阈值筛选cfRNA显著性差异测序数据指标。4.根据权利要求3所述的基于FCDN神经网络及cfRNA的血压数据预测方法，其特征在于，筛选cfRNA显著性差异测序数据指标具体为：剔除测序数据中PE组与非PE组中均含0表达量的cfRNA测序量；剔除测序数据中PE组与非PE组测序量100％区间重叠的cfRNA；剔除测序数据中PE组与非PE组测序量均值偏差小于10％的cfRNA。5.根据权利要求1所述的基于FCDN神经网络及cfRNA的血压数据预测方法，其特征在于，步骤S2中，训练与验证cfRNA数据集对应的训练数据集和验证数据集具体为：根据筛选后cfRNA测序向量的幅值分布，利用高斯随机数函数生成模拟测序样本，得到训练数据集和验证数据集，训练数据集和验证数据集分别包括cfRNA和血压升高概率贡献数据；血压升高概率贡献数据具体为：
其中，i∈[1,2,3,
…
N]，y_train[i]为血压升高概率贡献数据训练数据集，y_test[i]为血压升高概率贡献数据验证数据集，，EF[i]为为妊娠期血压升高样本组实际测序数据预处理后的cfRNA表达量，RF[i]为为正常组实际测序数据预处理后的cfRNA表达量，avg()为求取均值运算。6.根据权利要求1所述的基于FCDN神经网络及cfRNA的血压数据预测方法，其特征在于，步骤S3中，FCDN神经网络模型包括：卷积层Conv：进行前级特征粗提取处...

【专利技术属性】
技术研发人员：王政，赵卓，刘进军，李兵，
申请(专利权)人：西安交通大学口腔医院，
类型：发明
国别省市：