【技术实现步骤摘要】
本专利技术涉及智能计算和数据挖掘领域，基于全基因组关联研究（gwas）产生的海量单核苷酸多态性（snp）数据，检测与疾病表型相关的snp相互作用，对揭示疾病的发病机制和发展趋势具有重要意义。
技术介绍
1、gwas检测了许多基因组中的数十万个遗传变异，以发现那些与特定性状有统计学关联的变异，并已成为探索复杂疾病遗传结构的常规方法。在gwas的帮助下，迄今已鉴定出许多与复杂疾病相关的snp。发现与复杂疾病相关的snp对揭示疾病的发病机制和发展趋势具有重要意义。然而，它们只能解释复杂疾病中的一小部分潜在遗传机理，并为进一步研究留下了“缺失遗传性”的问题。人们普遍认为，snp之间的非线性相互作用效应，即snp相互作用，在解开“缺失遗传力”之谜中起着重要作用。因此，snp相互作用的检测已经成为gwas中一个引人注目的步骤。然而，当snp数量显著增加时，snp相互作用检测的问题也变得异常复杂。因此，提出了一种有效的基于多目标优化的协同粒子群snp相互作用检测方法。
2、针对这类问题，常见的解决算法包括穷举搜索算法和随机搜索算法。穷举搜索算法是在解空间中列出所有可能的snp组合，然后找到与表型最相关的相互作用。然而，当数据量较大时，即使使用高性能计算的并行硬件架构，完成搜索所需的时间也相当长，从而降低了检测效率。随机搜索算法通过一定的规则从解空间中随机选择候选snp相互作用，然后评估所选snp相互作用与表型之间的关联，最终得到与复杂疾病相关的解。与穷举搜索算法相比，随机搜索算法加快了可能与表型相关的snp相互作用的搜索过程，但存
3、为了解决以上问题，群智能优化算法因其能够有效地解决优化问题而受到一些学者广泛关注。张等人提出一种基于粒子群的snp相互作用检测方法，使用无标度网络对方法进行更新，采用互信息作为目标函数。关等人提出一种基于随机分组的自调节人工蜂群方法，采用动态随机分组策略和自调节蜂群优化器检测每个子集的相互作用。上述检测方法均采用单一目标函数来评估snp相互作用与疾病之间的关联。大量研究表明，这些方法在不同的疾病模型中的检测能力是不稳定的。为了避免单目标检测方法中存在的疾病模型偏好问题，提出了多目标方法来检测相互作用。陈等人提出了一种snp相互作用检测的多目标遗传方法，以k2分数和基尼指数作为目标函数。顾等人提出了一种基于无标度网络的相互作用检测的多目标人工蜂群方法，通过引入基于对立的学习策略提高了搜索能力。传统的多目标进化方法的缺点是多个目标被同一群体优化，但snp检测问题受到多个相互冲突的优化目标的约束。因此，本专利技术提出一种基于多目标优化的协同粒子群snp相互作用检测方法，基于协同进化框架，利用提出的多种技术，达到检测snp相互作用的目的。
技术实现思路
1、为了克服上述snp相互作用检测方法的缺陷，本专利技术提出一种基于多目标优化的协同粒子群snp相互作用检测方法（cmpso）。
2、本专利技术所采用的技术方法是：针对单一目标函数对不同疾病模型具有偏好性的问题，利用协同进化思想划分种群进行snp相互作用检测方法设计。将原始种群划分为多个子种群，每个子种群使用不同的目标函数独立求解。同时，采用改进的粒子群算法保证了多个子种群之间的信息交互，共同指导粒子的搜索方向。利用基于滑动步长的局部寻优技术降低了方法的迭代次数。最后，通过帕累托最优策略与划分种群技术的结合，有效降低了解的假阳性，得到与疾病表型最相关的snp相互作用。
本文档来自技高网...【技术保护点】
1.一种基于多目标优化的协同粒子群SNP相互作用检测方法，其特征在于：
2.根据权利要求1所述的基于多目标优化的协同粒子群SNP相互作用检测方法，具体实施步骤如下：
【技术特征摘要】
1.一种基于多目标优化的协同粒子群snp相互作用检测方法，其特征在于：
2....
【专利技术属性】
技术研发人员：尚军亮，李亚含，孙渊，秦焰培，任倩倩，刘金星，
申请(专利权)人：曲阜师范大学，
类型：发明
国别省市：
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。