一种基于深度学习的四倍体牡蛎全基因组SNP分型方法

专利主权项内容

1.一种基于深度学习的四倍体牡蛎全基因组SNP分型方法，其特征在于，包括以下步骤：步骤1：使用GATK和freebayes对四倍体牡蛎进行全基因组范围的SNP分型；步骤2：对原始变异位点进行过滤生成高质量的SNP数据集；步骤3：从高质量的SNP数据集中筛选出用于神经网络模型训练的SNP位点；步骤4：将门控循环单元网络和卷积神经网络结合，通过深度学习构建四倍体牡蛎全基因组SNP分型神经网络模型，具体的，以染色体为单位，每次按顺序输入染色体的150bp片段，输入至染色体最后1个150bp片段时停止，每个片段为每个个体100×重测序与参考基因组比对的结果，门控循环单元网络每层包括10个神经元，用于读取四倍体牡蛎150bp片段和marker，在读取片段后，每层整合所有前后层输出的结果进一步对该层进行训练，最后输出门控循环单元网络拟合的结果至卷积神经网络，将输入数据分为不同种类的基因型，在深度学习训练过程中，将均方误差设定为损失函数，通过计算推测值与真实值的均方误差评估神经网络模型的准确度，并使用反向传播和梯度下降法不断迭代，优化损失函数，优化神经网络模型。