摘要
本发明公开了一种综合遗传背景和变异信息预测生物性状的模型及方法,所述模型包括:嵌入Siamese网络,其产生并抽取样本间的遗传背景及样本间的遗传相关性信息,为每个样本建立一个嵌入向量,来表征其遗传背景信息;遗传变异嵌入网络,其利用深度学习网络,利用每个样本的全基因组变异信息,提取复杂的高阶信息,建立嵌入向量,来表征其遗传变异对性状的累积效应;融合及性状预测模块,通过有机融合上述两模块输出的嵌入向量,实现对性状的精准预测。本发明能够解决现有技术中遗传背景信息和基因组变异信息未能有效融合的问题,并有效捕捉基因间的非线性效应,极大地提升基因组选择的准确性和复杂性状的遗传架构解析能力。
技术关键词
计算机可读指令
样本
主成分分析算法
深度学习网络模型
生物
处理器
多层感知机
模块
矩阵
非线性
效应
计算机设备
数据
批量
分支
基因
系统为您推荐了相关专利信息
磁共振图像数据
时间序列特征
纹理特征
辅助判断方法
神经网络模型
辅助诊断系统
表格
光学字符识别技术
文本
多模态
剩余使用寿命
训练预测模型
多层卷积网络
多层卷积神经网络
数据