买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨工程大学

摘要：本发明属于基于机器学习的BCR相关疾病筛查技术领域，具体涉及一种逻辑回归与多示例学习相结合的BCR分类方法。本发明应用多示例学习的思想，将氨基酸序列相同的BCR序列“聚类”为包，将同时包含阳性与阴性的同序列包标记为阳性。本发明能够有效降低基于机器学习的BCR相关疾病筛查中的假阴性率，提高目前正处于试探性研究阶段的BCR相关疾病筛查的实际应用性。

主权项：1.一种逻辑回归与多示例学习相结合的BCR分类方法，其特征在于，包括以下步骤：步骤1：获取BCR数据集，按照生物信息国际标准格式，首先将productive项为F的无效数据删除，之后仅保留sequence_id与代表氨基酸序列的junction_aa数据，并记录数据集的初始标签，之后将序列相同的数据聚类到多示例学习的一个包Di，如果包中存在阳性个例则整个包的标签为阳性，只有包中所有个例均为阴性包的标签才为阴性；每个单个的数据是该包中的示例{L0,L1,...,LS}∈Di；步骤2：取阳性样本集{D0,D1,...,Di}和阴性样本集{Di+1,Di+2,...,Dn}组成训练集；步骤3：使用k-mer算法将训练集中氨基酸序列数据转化为等长的子序列，长度为L的氨基酸序列切割为长度为k的连续子序列，之后代表氨基酸的字符串序列就可以解析为L-k+1mers；根据排列组合计算可以得出总共有多少种mers，而每种mer的数量就是经过k-mer算法处理后的基因序列数据；其中k的的选取要通过初步试验获得，一般范围在3-8；步骤4：使用Atchley因子将子序列表中的字母转化为一组5个数据，代表其物理化学性质；Atchley因子是一组高度可解释的氨基酸变异数字模式，这些高维属性数据由反映极性、二级结构、分子体积、密码子多样性和静电电荷的五种属性共变的多维模式进行总结，是一个自然的基础度量来比较这些代表氨基酸的字母数据；步骤5：将经过步骤4处理后的训练集数据输入逻辑回归模型中进行训练，梯度下降的方法选用Adam优化器；步骤6：获取待分类的BCR数据，不予聚类，仅做k-mer算法与Atchley因子的复合处理后输入训练好的逻辑回归模型中，逻辑回归模型输出BCR数据属于阳性概率；若阳性概率大于0.5，则判定BCR数据属于阳性，否则为阴性。

全文数据：

权利要求：

百度查询： 哈尔滨工程大学 一种逻辑回归与多示例学习相结合的BCR分类方法