基于深度学习的小麦基因组结构变异检测方法

本发明公开了基于深度学习的小麦基因组结构变异检测方法，针对小麦基因组数据体量大、结构复杂导致的信息特征难提取问题，研发了一种整合RD、DRP和SR多维特征的基因组结构变异可视化建模方法，该方法通过对FASTQ格式的原始测序数据进行多维度特征解析，实现候选变异区间的精准定位，建立基于RD信号强度、DRP空间分布和SR断点特征的结构变异判别模型，构建多维特征融合的结构变异可视化图谱，采用深度卷积神经网络对可视化图谱进行特征学习与模式识别；本方法能够高效识别小麦基因组中的结构变异，较传统方法具有更优预测性能和更高检测精度，为作物基因组结构变异检测提供了可扩展的分析框架，对推进小麦分子育种技术创新具有重要应用价值。