基于SNP数据的预测方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种基于SNP数据的预测方法、装置、设备及可读存储介质，该方法包括步骤：获取被试者的SNP数据；将所述SNP数据中的SNP位点数据输入至预设预测模型，基于所述预设预测模型，对所述SNP位点数据进行预测处理，输出目标预测结果。本申请增加了对被试者数据分析后，得到的AD预测结果的准确性。得到的AD预测结果的准确性。得到的AD预测结果的准确性。

【技术实现步骤摘要】
基于SNP数据的预测方法、装置、设备及存储介质


[0001]本申请涉及医疗检测
，尤其涉及一种基于SNP数据的预测方法、装置、设备及存储介质。

技术介绍

[0002]阿尔茨海默病（Alzheimer's disease, AD）是一种常见的进行性中枢神经系统退行性疾病，约占所有痴呆病例的60%
‑
80%，现有研究表明，AD患者的大脑的萎缩通常发生在临床表现之前，可以基于单核苷酸多态性（Single Nucleotide Polymorphism, SNP）检测的方式来寻找影响AD的易感基因及其风险位点，从而预测患者发展为AD的风险，进一步提高AD早期干预的效果。
[0003]相关技术中，基于单核苷酸多态性来诊断AD的技术大多使用传统的全基因组关联分析（Genome wide association study, GWAS）方法，通过该方法基于相关性分析得到的P值，从而确定与AD相关的风险位点，但仅使用相关性分析容易忽略那些在统计分析上不显著，通过共同作用影响疾病的位点，从而导致得出的AD预测结果不准确。

技术实现思路

[0004]本申请的主要目的在于提供一种基于SNP数据的预测方法、装置、设备及存储介质，旨在解决相关技术中对患者的数据进行相关性分析，得到的AD预测结果不准确的技术问题。
[0005]为实现上述目的，本申请实施例提供了一种基于SNP数据的预测方法，所述方法包括：获取被试者的SNP数据；将所述SNP数据中的SNP位点数据输入至预设预测模型，基于所述预设预测模型，对所述SNP位点数据进行预测处理，输出目标预测结果。
[0006]在本申请的一种可能的实施方式中，所述将所述SNP数据中的SNP位点数据输入至预设预测模型，基于所述预设预测模型，对所述SNP位点数据进行预测处理，输出目标预测结果的步骤之前，包括：对所述SNP数据进行筛选，得到筛选后的第一筛选数据；对所述第一筛选数据进行关联分析，得到关联数据；将所述关联数据进行二次筛选，得到与AD相关联的SNP位点数据。
[0007]在本申请的一种可能的实施方式中，所述对所述SNP数据进行筛选，得到筛选后的第一筛选数据的步骤，包括：对所述SNP数据进行检查，筛除所述SNP数据位点缺失率大于第一预设值的SNP以及基因分型检出率小于第二预设值的SNP数据；对所述SNP数据进行哈温平衡检验，筛除所述SNP数据中P值小于第三预设值的SNP数据；
筛除最小等位基因频率小于第四预设值的SNP数据，得到筛选后的第一筛选数据。
[0008]在本申请的一种可能的实施方式中，所述对所述第一筛选数据进行关联分析，得到关联数据的步骤，包括：将所述第一筛选数据进行基因型填充，得到填充后的多个第二SNP位点；根据所述第二SNP位点的填充指标，提取所述填充指标的值大于第二预设阈值以及基因型后验概率大于第三预设阈值的第三SNP位点，其中，所述填充指标用于衡量SNP位点的填充效果；根据提取的所述第三SNP位点，确定关联数据。
[0009]在本申请的一种可能的实施方式中，所述将所述SNP数据中的SNP位点数据输入至预设预测模型，基于所述预设预测模型，对所述SNP位点数据进行预测处理，输出目标预测结果的步骤，包括：使用独热编码方式对所述SNP位点数据进行编码，得到SNP序列；将所述SNP序列进行卷积和池化操作，得到SNP特征值；确定所述SNP特征值的注意力值；基于所述SNP特征值与所述注意力值，得到目标预测结果。
[0010]在本申请的一种可能的实施方式中，所述将所述SNP数据中的SNP位点数据输入至预设预测模型，基于所述预设预测模型，对所述SNP位点数据进行预测处理，输出目标预测结果的步骤之后，包括：使用积分梯度方法对所述分类结果进行处理，得到分类结果所对应的所述SNP位点数据中的多个风险位点，积分梯度方法对输入的所述SNP位点数据的第i个特征的贡献定义式为：其中，表示使网络输出为0的基线样本，表示第i个输入，表示神经网络，表示得到的积分梯度值。
[0011]在本申请的一种可能的实施方式中，所述将所述关联数据进行二次筛选，得到与AD相关联的SNP位点数据的步骤之后，包括：将所述SNP位点数据进行回归分析，得到回归分析值；将所述回归分析值与预设阈值作比较，确定小于预设阈值的第一回归值；确定所述第一回归值对应的SNP位点数据。
[0012]本申请还提供一种基于SNP数据的预测装置，所述基于SNP数据的预测装置还包括：获取模块，用于获取被试者的SNP数据；处理模块，用于将所述SNP数据中的SNP位点数据输入至预设预测模型，基于所述预设预测模型，对所述SNP位点数据进行预测处理，输出目标预测结果。
[0013]本申请还提供一种基于SNP数据的预测设备，所述基于SNP数据的预测设备为实体节点设备，所述基于SNP数据的预测设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述基于SNP数据的预测方法的程序，所述基于SNP数据的预测方
法的程序被处理器执行时可实现如上述所述基于SNP数据的预测方法的步骤。
[0014]为实现上述目的，还提供一种存储介质，所述存储介质上存储有基于SNP数据的预测程序，所述基于SNP数据的预测程序被处理器执行时实现上述任一所述的基于SNP数据的预测方法的步骤。
[0015]本申请提供了一种基于SNP数据的预测方法、装置、设备及存储介质，与相关技术中，对患者的数据进行相关性分析，得到的AD预测结果不准确的方式相比，在本申请中，获取被试者的SNP数据；将所述SNP数据中的SNP位点数据输入至预设预测模型，基于所述预设预测模型，对所述SNP位点数据进行预测处理，输出目标预测结果。在本申请中，可以理解的是，通过获取被试者的SNP数据，并将SNP数据中的SNP位点数据输入至预设预测模型，根据预设预测模型对相应的SNP位点数据进行处理，得到SNP位点数据的特征信息，可以根据SNP位点数据进行对被试者发展为AD的风险进行预测，得到预测结果，相对于相关性分析，经过预设预测模型分析得到的目标预测结果可解释性更强，提升了预测结果的准确性，从而可以在早期评估患者发展为AD的风险。
附图说明
[0016]图1为本申请基于SNP数据的预测方法的第一实施例的流程示意图；图2为本申请基于SNP数据的预测方法第一实施例中步骤S20的细化流程示意图；图3为本申请实施例方案涉及的硬件运行环境的设备结构示意图；图4为本申请基于SNP数据的预测方法涉及的预设预测模型构建流程示意图；图5为本申请基于SNP数据的预测方法涉及的预设预测模型的网络结构示意图。
具体实施方式
[0017]应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0018]本申请实施例提供一种基于SNP数据的预测方法，在本申请基于SNP数据的预测方法的第一实施例中，参照图1，所述方法包括：步骤S10，获取被试者的SNP数据；步骤S20，将所述SNP数据中的S本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于SNP数据的预测方法，其特征在于，所述方法包括以下步骤：获取被试者的SNP数据；将所述SNP数据中的SNP位点数据输入至预设预测模型，基于所述预设预测模型，对所述SNP位点数据进行预测处理，输出目标预测结果。2.如权利要求1所述的基于SNP数据的预测方法，其特征在于，所述将所述SNP数据中的SNP位点数据输入至预设预测模型，基于所述预设预测模型，对所述SNP位点数据进行预测处理，输出目标预测结果的步骤之前，包括：对所述SNP数据进行筛选，得到筛选后的第一筛选数据；对所述第一筛选数据进行关联分析，得到关联数据；将所述关联数据进行二次筛选，得到与AD相关联的SNP位点数据。3.如权利要求2所述的基于SNP数据的预测方法，其特征在于，所述对所述SNP数据进行筛选，得到筛选后的第一筛选数据的步骤，包括：对所述SNP数据进行检查，筛除所述SNP数据位点缺失率大于第一预设值的SNP以及基因分型检出率小于第二预设值的SNP数据；对所述SNP数据进行哈温平衡检验，筛除所述SNP数据中P值小于第三预设值的SNP数据；筛除最小等位基因频率小于第四预设值的SNP数据，得到筛选后的第一筛选数据。4.如权利要求2所述的基于SNP数据的预测方法，所述对所述第一筛选数据进行关联分析，得到关联数据的步骤，包括：将所述第一筛选数据进行基因型填充，得到填充后的多个第二SNP位点；根据所述第二SNP位点的填充指标，提取所述填充指标的值大于第二预设阈值以及基因型后验概率大于第三预设阈值的第三SNP位点，其中，所述填充指标用于衡量SNP位点的填充效果；根据提取的所述第三SNP位点，确定关联数据。5.如权利要求1所述的基于SNP数据的预测方法，其特征在于，所述将所述SNP数据中的SNP位点数据输入至预设预测模型，基于所述预设预测模型，对所述SNP位点数据进行预测处理，输出目标预测结果的步骤，包括：使用独热编码方式对所述SNP位点数据进行编码，得到...

【专利技术属性】
技术研发人员：隆晓菁，李宇涵，黄晓娜，梁栋，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：