申請/專利權人：青島興牧畜牧科技發展有限公司

申請日：2022-12-09

公開（公告）日：2023-01-06

公開（公告）號：CN115579066A

主分類號：G16B40/00

分類號：G16B40/00;G16B30/10;G06N3/04;G06N3/08

優先權：

專利狀態碼：在審-公開

法律狀態：2023.01.06#公開

摘要：本發明涉及生物信息學領域，具體為一種基于機器學習尋找影響豬脂肪沉積的候選基因的方法，主要包括以下步驟：步驟一：收集豬肌肉樣本，通過FOSS機測定肌內脂肪含量，作為樣本標簽，根據肌內脂肪含量大小分為高低組轉化為二分類處理問題；步驟二：提取樣本RNA，進行mRNA建庫得到測序數據；步驟三：對步驟二中的測序數據進行質控和比對處理，并標準化得到樣本基因表達TPM值；步驟四：利用數據集通過交叉驗證的方式進行神經網絡機器學習訓練；步驟五：對特征基因進行重要性排序從而確定候選基因。有益效果為，通過模型預測準確性的變化篩選影響肌內脂肪含量的重要候選基因。

主權項：1.一種基于機器學習尋找影響豬脂肪沉積的候選基因的方法，主要包括以下步驟：步驟一：收集豬肌肉樣本，通過FOSS機測定肌內脂肪含量，作為樣本標簽，根據肌內脂肪含量大小分為高低組轉化為二分類處理問題；步驟二：提取樣本RNA，進行mRNA建庫得到測序數據；步驟三：對步驟二中的測序數據進行質控和比對處理得到基因的count值，所述count值為比對到的reads數，并標準化得到樣本基因表達TPM值；所述TPM值計算公式為： 上述公式中各字母的含義： :比對到基因上的read數，即基因的count值； :基因的外顯子長度的總和，根據參考基因組SusSscrofa11.1的注釋計算； :所有基因比對read數和其外顯子長度總和之比的和；將基因表達TPM值作為樣本特征，并設置與樣本特征一一對應的標簽值，將樣本特征和標簽值構建成數據集；步驟四：利用數據集通過交叉驗證的方式進行神經網絡機器學習訓練；步驟五：基于PermutationImportance的方法計算神經網絡模型特征的重要性。

全文數據：

權利要求：

百度查詢： 青島興牧畜牧科技發展有限公司 基于機器學習尋找影響豬脂肪沉積的候選基因的方法

免責聲明
1、本報告根據公開、合法渠道獲得相關數據和信息，力求客觀、公正，但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解，僅供參考使用，不能作為本公司承擔任何法律責任的依據或者憑證。

閱讀全文 雙屏查看 官方信息 專利公告 收藏專利 下載PDF 下載WORD