一种基于深度学习的呼吸道病毒新变异体的预警方法

本发明涉及病毒数据处理技术领域，具体涉及一种基于深度学习的呼吸道病毒新变异体的预警方法，通过变异特征提取，将呼吸道病毒最容易变异的三个节点作为变异特征进行提取，即RNA本身不稳定产生的变异、核苷酸翻译为氨基酸时产生的错误产生的变异以及基因片段重组产生的变异，即量化病毒在核苷酸层面的变异活跃度，蛋白质层面的功能改变，评估基因重组导致新变异体产生的风险，重组事件的增大则意味着增加变异体的概率增大；并且将传播特征加入深度学习中，模型可自动学习新型变异体的变异‑传播关联模式，进而预测呼吸道病毒变异体的流行爆发趋势，进而实现提前预警；各种数据实时更新，能够根据最新的预测效果实现快速预警。