【技术实现步骤摘要】
本专利技术涉及深度学习，特别涉及一种基于深度学习模型的基因序列预测方法及相关设备。
技术介绍
1、随着信息技术的快速发展和在生物医学领域的深度应用，产生了多维度、多模态、异构、海量的大数据，其应用给生物医学的研究带来了深刻变革，对精准医疗发展有着重要的促进作用。
2、但是，目前已有的基于神经网络的基因序列预测基因表达模型不是仅针对基因之间非线性关联建模，就是仅考虑线性可加关联，同时，针对基因snp(snp：singlenucleotidepolymorphism，它指的是单核苷酸的变异或者说多态性)数据的稀疏性问题也没有给出一个确切的解决方案，而多组织信息以及专家先验信息也没有有效的方法融合进入预测模型中。
3、因而现有技术还有待改进和提高。
技术实现思路
1、本专利技术的主要目的在于提供一种基于深度学习模型的基因序列预测方法及相关设备，旨在解决现有技术中基于神经网络的基因序列预测基因表达模型仅针对基因之间非线性关联建模，仅考虑线性可加关联，无法实现对基因序列进行精
【技术保护点】
1.一种基于深度学习模型的基因序列预测方法，其特征在于，所述基于深度学习模型的基因序列预测方法包括：
2.根据权利要求1所述的基于深度学习模型的基因序列预测方法，其特征在于，所述基于深度学习模型的基因序列预测方法还包括：
3.根据权利要求1所述的基于深度学习模型的基因序列预测方法，其特征在于，所述构建非线性深度学习模型，并获取预测数据和原始数据，具体包括：
4.根据权利要求3所述的基于深度学习模型的基因序列预测方法，其特征在于，所述利用所述预测数据和所述原始数据对所述非线性深度学习模型进行预测，得到预测值，具体包括：
5...
【技术特征摘要】
1.一种基于深度学习模型的基因序列预测方法，其特征在于，所述基于深度学习模型的基因序列预测方法包括：
2.根据权利要求1所述的基于深度学习模型的基因序列预测方法，其特征在于，所述基于深度学习模型的基因序列预测方法还包括：
3.根据权利要求1所述的基于深度学习模型的基因序列预测方法，其特征在于，所述构建非线性深度学习模型，并获取预测数据和原始数据，具体包括：
4.根据权利要求3所述的基于深度学习模型的基因序列预测方法，其特征在于，所述利用所述预测数据和所述原始数据对所述非线性深度学习模型进行预测，得到预测值，具体包括：
5.根据权利要求3所述的基于深度学习模型的基因序列预测方法，其特征在于，所述根据所述预测数据和所述原始数据，计算所述非线性深度学习模型的惩罚值，具体包括：
6.根据权利要求3所述的基于深度学习模型的基因序列预测方法，其特征在于，所述根据所述预测值计算得到当前任务的目标损失函数后，根据所述惩罚值构建得到多元素损失函数，并计算得到所述非线性深度学习模型...
【专利技术属性】
技术研发人员：王中昊，殷鹏，朱木春，黄华振，
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：
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。