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！

申请/专利权人：北京科技大学;北京科技大学顺德研究生院

摘要：本发明公开了一种Hi‑C数据分辨率增强方法及装置，所述方法包括：获取原始高分辨率Hi‑C数据和原始高分辨率Hi‑C数据所在细胞系的表观基因组数据；对原始高分辨率Hi‑C数据和表观基因组数据进行预处理，得到原始高分辨率Hi‑C数据对应的Hi‑C数据矩阵和表观基因组数据的相关性矩阵；通过Hi‑C数据矩阵和相关性矩阵对预设的神经网络进行训练，得到分辨率增强模型；基于分辨率增强模型，根据分辨率待增强的Hi‑C数据和对应的表观基因组数据，得到相应的增强后的Hi‑C数据。本发明可以适用于具备多种低分辨率Hi‑C数据和表观基因组数据情况下，实现将低分辨率Hi‑C数据增强至1kb高分辨率。

主权项：1.一种Hi-C数据分辨率增强方法，其特征在于，包括：获取原始高分辨率Hi-C数据和原始高分辨率Hi-C数据所在细胞系的表观基因组数据；其中，所述原始高分辨率Hi-C数据为分辨率为1kb的Hi-C数据；对原始高分辨率Hi-C数据和表观基因组数据进行预处理，得到所述原始高分辨率Hi-C数据对应的Hi-C数据矩阵和所述表观基因组数据的相关性矩阵；通过所述Hi-C数据矩阵和所述相关性矩阵，对预设的神经网络进行训练，使得所述神经网络学习所述Hi-C数据矩阵和所述相关性矩阵与所述原始高分辨率Hi-C数据之间的关系，以得到分辨率增强模型；基于所述分辨率增强模型，根据分辨率待增强的Hi-C数据和所述分辨率待增强的Hi-C数据对应的表观基因组数据，得到相应的增强后的Hi-C数据；对所述原始高分辨率Hi-C数据进行预处理的过程，包括：对所述原始高分辨率Hi-C数据，按照不同的下采样率进行下采样；对不同下采样率的Hi-C数据实施完整化算法，得到Hi-C数据矩阵；对不同下采样率的Hi-C数据实施完整化算法，包括：定义不同下采样率的Hi-C数据叠加后的矩阵的行或列为f，信号g表示与f长度相同的包含1和0的信号，用相同的核h对f和g进行卷积之后，再进行除操作，得到完整化Hi-C数据，也即Hi-C数据矩阵；完整化的计算公式为： 其中，n表示信号的位置，g[n]、f[n]、HRc[n]分别表示信号g、f以及最终得到的完整化Hi-C数据在位置n处对应的值；对所述表观基因组数据进行预处理的过程，包括：对所述表观基因组数据计算皮尔逊相关性矩阵，并将计算出的皮尔逊相关性矩阵转换为与所述Hi-C数据矩阵相同维度的矩阵，作为最终的相关性矩阵；通过所述Hi-C数据矩阵和所述相关性矩阵，对预设的神经网络进行训练，包括：将所述原始高分辨率Hi-C数据转换为矩阵，记为输入矩阵；将所述Hi-C数据矩阵和所述相关性矩阵分别放入所述神经网络，经过所述神经网络的卷积层计算生成输出矩阵；计算所述输入矩阵和所述输出矩阵的L1损失函数和感知损失函数；当所述L1损失函数和所述感知损失函数之和开始上升且准确度开始下降时，停止所述神经网络的训练，并保存所述神经网络的结构与参数；将所述Hi-C数据矩阵和所述相关性矩阵分别放入所述神经网络，经过所述神经网络的卷积层计算生成输出矩阵，包括：将所述Hi-C数据矩阵记作第一输入模态X1，将所述相关性矩阵记作第二输入模态X2；第一输入模态X1和第二输入模态X2所经过的卷积层计算公式为：f1X1＝Convw1X1；f2X1＝Convw2f1X1f3X1＝Convw3f2X1；f4X1＝UPw4f2X1f5X1＝f2X1+f4X1；f6X1＝Convw5f5X1f7X1＝UPw6f6X1；f8X1＝f1X1+f7X1f9X1＝Convw7f8X1；f10X2＝Convw8X2f11X2＝Convw9f10X2；f12X2＝Convw10f11X2f13X1,X2＝f12X2+f9X1；f14X1,X2＝Convw11f13X1,X2f15X1,X2＝Convw12f14X1,X2式中，f15X1,X2为神经网络生成的输出矩阵；Convi.表示卷积核参数为i的卷积操作，i＝w1,w2,w3,w5,w7,w8,w9,w10,w11,w12；UPw4.和UPw6.均为上采样操作。

全文数据：

权利要求：

百度查询： 北京科技大学 北京科技大学顺德研究生院 一种Hi-C数据分辨率增强方法及装置