买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种T细胞受体序列motif组合识别检测方法、存储介质及设备，构建Tumor‑Health矩阵和Tissue‑Blood矩阵作为输入矩阵；以motif组合的类内类间距离可分性作为优化目标函数；设计双种群遗传算法，对输入矩阵中的每一motif列和label列进行相关性分析，采用点二列相关性作为衡量motif列和label列是否相关的指标；以优化目标函数作为算法优化目标，利相关性指标对输入矩阵的motif进行初步筛选，过滤掉不相关的motif列，通过遗传算法进行迭代计算，得到两组种群的优势解，取两组种群中适应度排前三的染色体作为最优解，并解码成为对应的motif集合，取对应集合的交集作为最终挖掘出的motif，完成识别检测。本发明能够为免疫治疗提供可能的生物标志物研究方向。

主权项：1.一种T细胞受体序列motif组合识别检测方法，其特征在于，包括以下步骤：S1、将健康样本和肿瘤样本的基因组DNA比对到胚系序列，鉴定对应的CDR3区段并将CDR3区段翻译成氨基酸序列；进行氨基酸序列剪切并将健康样本和肿瘤样本的CDR3区段对应的氨基酸序列解构为多个相同长度的连续氨基酸片段；利用健康样本的外周血数据、肿瘤样本的组织数据和肿瘤样本外周血数据解构后的信息构建Tumor-Health矩阵，利用肿瘤样本组织数据和肿瘤样本外周血数据构建Tissue-Blood矩阵，Tumor-Health矩阵和Tissue-Blood矩阵的最后一列为label列，代表样本对应的标签，剩余列为motif列，代表样本对应氨基酸片段的克隆数，将Tumor-Health矩阵和Tissue-Blood矩阵共同作为输入矩阵；S2、根据步骤S1得出的两个输入矩阵分别构建求解对应的优化目标函数，以motif组合的类内类间距离可分性作为优化目标计算方法，将两个优化目标函数加和得到总的优化目标函数；S3、根据步骤S1得到的输入矩阵和步骤S2得到的总优化目标函数设计双种群遗传算法并进行求解，确定编码方法和初始种群，采用锦标赛选择法加精英保留制度选择算子对种群进行选择，保留最优个体；采取种群内和种群间的混合交叉方式确定交叉算子；采用基本位变异的操作确定变异算子；S4、对步骤S1构建的输入矩阵中的每一motif列和label列进行相关性分析，采用点二列相关性作为衡量motif列和label列是否相关的指标，根据计算得到的相关性指标ρ判断显著水平，确定相关性指标ρ0.05为相关性不显著；S5、以步骤S2构建的优化目标函数作为算法优化目标，利用步骤S4计算的相关性指标对步骤S1构建的输入矩阵进行初步筛选，过滤掉不相关的motif列，通过步骤S3设计的双种群遗传算法进行迭代计算，得到两组种群的优势解，取两组种群中适应度排前三的染色体作为最优解，并解码成为对应的motif集合，最终得到六组motif集合，两两对应，取对应集合的交集作为最终挖掘出的motif，完成识别检测。

全文数据：

权利要求：

百度查询： 西安交通大学 一种T细胞受体序列motif组合识别检测方法、存储介质及设备