【技术实现步骤摘要】
本专利技术涉及单分子检测领域，具体涉及一种低信噪比单分子力谱信号恢复增强方法。
技术介绍
1、单分子力谱光镊技术利用光学梯度力进行光学捕获和操控小型介质粒子。通过高度会聚的激光光束捕获微纳米级别的微小粒子，光镊能够对捕获微粒施加皮牛量级的作用力，是一种测量和分析单分子力学性质的关键技术，尤其在研究蛋白质折叠领域中发挥着重要作用。
2、在单分子力谱分析中，当分子受到外力拉伸达到一定阈值时，分子的折叠结构会迅速打开。这种变化在单分子力谱的距离信号上表现为阶跃变化。特别是对于dna分子，其在折叠展开过程中的阶跃变化幅度通常在几皮牛顿到十几皮牛顿之间。
3、在单分子力谱的实验中，dna连接的手柄(beads)受布朗运动和环境影响产生的随机噪声水平(10-20纳米)与dna折叠展开时的阶跃信号大小相当，导致采集的信号信噪比极低，难以准确确定折叠展开的开始和结束位置。
4、常见的均值滤波、中值滤波、卡尔曼滤波、傅里叶变换、小波变换等方法不能有效降噪并保留信号精度，以及用于数据处理的r语言中的断点检测技术也无法准确识别折叠展开位置。
技术实现思路
1、本专利技术针对现有的单分子力谱信号信噪比低的问题，提出一种低信噪比单分子力谱信号恢复增强方法，通过使用残差神经网络，结合力学和距离两个信号通道，对单分子力谱信号进行恢复增强，实现了距离信号曲线平滑度和折叠处信号精确度的同步提升，极大地提升了单分子力谱信号的质量和准确性。
2、本专利技术通过以下技术方案
3、1)根据实验采集的单分子力谱的较高信噪比力学信号和低信噪比距离信号曲线，构建数据仿真模型，利用该模型生成三元组仿真数据集；
4、所述较高信噪比力学信号以采样时间(1/100秒)为横坐标，拉力值(皮牛)为纵坐标，平均信噪比为20.45分贝以上的力学信号；所述低信噪比距离信号以采样时间(1/100秒)为横坐标，位移(微米)为纵坐标，平均信噪比为8.82分贝以下的距离信号；
5、所述三元组仿真数据，是以较高信噪比力学仿真信号、低信噪比距离仿真信号和无噪声距离仿真信号为元组组成的数据集合；
6、所述数据仿真模型，其构建方法是：首先，通过多项式分别拟合出较高信噪比力学信号的平滑曲线和低信噪比距离信号的平滑曲线，再对力学信号的平滑曲线的力值和距离信号的平滑曲线的距离值分别乘以一个随机数，并在力学信号的平滑曲线和距离信号的平滑曲线上分别设置折叠仿真信号，此时得到的距离信号曲线作为无噪声距离仿真信号；然后，在设置折叠仿真信号后的力学信号的平滑曲线和距离信号的平滑曲线上分别加上对应的正态分布仿真噪声；
7、所述多项式为7次多项式；所述随机数的范围为0.5到1.5；
8、所述折叠仿真信号，其设置方法如下：首先，在曲线上随机选择1到4个点作为折叠信号的位置，这些点的信号幅度由单分子折叠展开时产生的信号大小来确定；对于力学信号，在这些点后的力值均下降5到50皮牛的一个随机值；对于距离信号，在这些点后的距离值均下降4到30纳米的一个随机值；
9、所述正态分布仿真噪声，其均值为0，标准差分别基于100组实验所得的单分子力谱的力学和距离信号噪声的标准差的平均值计算得出，噪声幅值的分布为正态分布。
10、2)将步骤1)生成的三元组仿真数据集，输入到残差神经网络中进行学习训练，从而构建出较高信噪比力学信号、低信噪比距离信号和无噪声距离信号间的映射关系，最终生成具有信号恢复增强功能的残差神经网络模型；
11、所述残差神经网络由2个一维卷积层和5个残差块组成，以提取较高信噪比的力学信号和低信噪比的距离信号中的特征信息，用于对低信噪比的距离信号进行恢复增强；所述信号恢复增强功能，即在保留信号精度前提下，将低信噪比距离信号转变为高信噪比距离信号；
12、所述残差神经网络中2个一维卷积层分别为：数据输入卷积层，其参数为2通道输入64通道输出，卷积核大小为3；数据输出卷积层，其参数为64通道输入1通道输出，卷积核大小为3；所述残差神经网络中5个残差块，每个残差块由2层64通道输入和输出的一维卷积层构成，每个残差块的卷积核大小分别为3,5,7,9,15，各残差块之间实现跳跃连接。各层之间通过relu激活函数进行激活；
13、所述数据输入卷积层的2通道输入，其输入是单分子力谱的较高信噪比力学和低信噪比距离信号，该层将输入的2通道数据用大小为3的卷积核增加到64通道，对应后续残差块的64通道输入。所述数据输出卷积层1通道输出，其输出是恢复增强后的单分子力谱的高信噪比距离信号，该层将残差块输出的64通道数据用大小为3的卷积核减少到1通道；
14、所述跳跃连接结构可以将特征信息直接传递给后续的层，保证即使在网络深度很大时，梯度也能有效传播，能保留更多特征信息；
15、作为优选，生成30000组仿真数据，其中取27000组作为训练集，用于神经网络训练，剩下3000组作为验证集，用于神经网络效果验证。
16、3)通过实验另采集单分子力谱数据，并将其较高信噪比力学信号和低信噪比距离信号数据输入至训练好的残差神经网络模型中进行测试，得到恢复增强后的高信噪比距离信号；
17、所述高信噪比距离信号是指平均信噪比为45.30分贝以上的距离信号。
18、与现有技术相比，本专利技术具有以下有益的技术效果：
19、与常用的滤波方法相比，本专利技术采用低信噪比单分子力谱信号恢复增强方法，实现了距离信号曲线平滑度和折叠处信号精确度的同步提升，极大地提升了单分子力谱信号的质量和准确性。
本文档来自技高网...【技术保护点】
1.一种低信噪比单分子力谱信号恢复增强方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1中所述的一种低信噪比单分子力谱信号恢复增强方法，其特征在于，步骤1)中所述数据仿真模型，其构建方法是：首先，通过多项式分别拟合出较高信噪比力学信号的平滑曲线和低信噪比距离信号的平滑曲线，再对力学信号的平滑曲线的力值和距离信号的平滑曲线的距离值分别乘以一个随机数，并在力学信号的平滑曲线和距离信号的平滑曲线上分别设置折叠仿真信号，此时得到的距离信号曲线作为无噪声距离仿真信号；然后，在设置折叠仿真信号后的力学信号的平滑曲线和距离信号的平滑曲线上分别加上对应的正态分布仿真噪声，最终形成较高信噪比力学仿真信号和低信噪比距离仿真信号。
3.根据权利要求1中所述的一种低信噪比单分子力谱信号恢复增强方法，其特征在于，步骤2)中所述残差神经网络由2个一维卷积层和5个残差块组成，以提取较高信噪比的力学信号和低信噪比的距离信号中的特征信息，用于对低信噪比的距离信号进行恢复增强。
4.根据权利要求2中所述的一种低信噪比单分子力谱信号恢复增强方法，其特征在于，所述多项式为7次
5.根据权利要求3中所述的一种低信噪比单分子力谱信号恢复增强方法，其特征在于，所述残差神经网络中2个一维卷积层分别为：数据输入卷积层，其参数为2通道输入64通道输出，卷积核大小为3；数据输出卷积层，其参数为64通道输入1通道输出，卷积核大小为3；所述残差神经网络中5个残差块，每个残差块由2层64通道输入和输出的一维卷积层构成，每个残差块的卷积核大小分别为3,5,7,9,15，各残差块之间实现跳跃连接。
6.根据权利要求5中所述的一种低信噪比单分子力谱信号恢复增强方法，其特征在于，所述数据输入卷积层的2通道输入，其输入是单分子力谱的较高信噪比力学和低信噪比距离信号；所述数据输出卷积层1通道输出，其输出是恢复增强后的单分子力谱的高信噪比距离信号。
...【技术特征摘要】
1.一种低信噪比单分子力谱信号恢复增强方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1中所述的一种低信噪比单分子力谱信号恢复增强方法，其特征在于，步骤1)中所述数据仿真模型，其构建方法是：首先，通过多项式分别拟合出较高信噪比力学信号的平滑曲线和低信噪比距离信号的平滑曲线，再对力学信号的平滑曲线的力值和距离信号的平滑曲线的距离值分别乘以一个随机数，并在力学信号的平滑曲线和距离信号的平滑曲线上分别设置折叠仿真信号，此时得到的距离信号曲线作为无噪声距离仿真信号；然后，在设置折叠仿真信号后的力学信号的平滑曲线和距离信号的平滑曲线上分别加上对应的正态分布仿真噪声，最终形成较高信噪比力学仿真信号和低信噪比距离仿真信号。
3.根据权利要求1中所述的一种低信噪比单分子力谱信号恢复增强方法，其特征在于，步骤2)中所述残差神经网络由2个一维卷积层和5个残差块组成，以提取较高信噪比的力学信号和低信噪比的距离信号中的特征信息，用于对低信噪比的距离信号进行恢复增强。
4.根据权利要求2中所述的一种低信噪比单分子力谱信号恢复增强方法，其特征在于，所述多项式为7次多项式；所述随机数的范围为0.5到1.5；所述折叠仿真信号，其设置方法...
【专利技术属性】
技术研发人员：李旸晖，陈林耀，吴豪，黄皓，南志宣，张佳宁，
申请(专利权)人：中国计量大学，
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。