摘要
一种基于图神经网络的基因交互关系预测方法和装置,该方法包括:每个实验组的转录表达数据进行预处理,包括标准化基因ID,将不同实验组的基因转录表达数据以统一的基因ID表示;得到作为后续分析的原始数据;按照每个样本组进行基因相似度的计算,获取样本组中基因与基因之间的相似度数据;通过对所有样本组的数据进行统计和筛选,选取符合设定条件的基因对,作为构建图数据结构的基础;进一步对原始数据进行处理,保证所有样本组中仅包含图结构中定义的基因;随后,对这些样本组的数据进行标准化处理,使得所有样本组的数据维度一致;对上述生成的图数据组进行模型训练,最终得到图结构中的边权重数据,能够准确反映基因之间的交互关系。本发明可用于基因表达数据的分析,预测基因之间的交互关系,并能够在没有标签数据的情况下进行无监督学习。
技术关键词
关系预测方法
基因表达数据
样本
神经网络模型训练
基因表达特征
节点特征
数据格式
度计算方法
无监督学习
测序技术
统计特征
注意力机制
特征选择
预测装置
成分分析
处理器
系统为您推荐了相关专利信息
胚胎
文本特征向量
特征提取模块
图像特征提取
图像特征向量
信息管理方法
三维空间模型
隶属度函数
模糊策略
邻域
融合多尺度特征
实时检测方法
网络
模块
实时图像
数据异常检测方法
状态空间模型
采集终端
电量预测模型
大数据