一种基于反绎学习和基因知识本体的基因表达预测方法

本发明公开一种基于反绎学习和基因知识本体的基因表达预测方法，旨在解决传统基因表达预测方法中数据需求量大、可解释性差的问题。通过结合反绎学习和基因知识本体，构建基因表达预测模型。从公共数据库中获取基因表达数据，并进行数据预处理和重要性特征提取；利用基因知识本体构建结构化知识图谱，并通过子图提取和规则挖掘生成逻辑规则集合；采用反绎学习框架将机器学习模块与知识推理模块融合，通过迭代优化提升预测准确性和逻辑一致性；通过伪标签修正和无标签数据利用，增强模型在小样本条件下的性能。本发明显著提高了基因表达预测的准确性和可解释性，能够为生物学实验设计、基因调控通路分析等提供高效支持，具有广泛的应用前景。