[发明专利]基于时序数据的表型本体构建方法

说明书

本发明公开了一种基于时序数据的表型本体构建方法，用于解决现有表型本体构建方法实用性差的技术问题。技术方案是通过基因之间的相互作用关系自动识别并捕获瞬时表型，通过捕捉瞬时表型之间的关系，构建一个有向无环图，最终得到表型本体。本发明绕植物表型本体展开，通过基因、表型和环境之间的关系，构建出植物的时序表型本体。该方法基于图论挖掘植物时序表型数据中的潜在模式，算法易于实现，时间复杂度低，能够在有限的时间复杂度和空间复杂度内完成本体构建。其构建出来的表型本体拥有完善的拓扑结构，是一个注释了生物信息的有向无环图。节点之间的关系被很好的保留，节点的生物信息和生物意义也被很好的注释，实用性好。

技术领域

本发明涉及一种表型本体构建方法，特别涉及一种基于时序数据的表型本体构建方法。

背景技术

文献“Inter-Functional Analysis of High-throughput Phenotype Data byNonparametric Clustering and its Application toPhotosynthesis.Bioinformatics,2015:btv515”公开了一种基于非参数建模的新型聚类方法NPM(Non-parametric Model),它是用来分析表型数据的聚类技术。对于敲除特意基因的突变体，NPM算法初始选择锚点是随机的，然后结合高斯核函数来为每个锚点定义一个合适的核函数。接着利用EM算法不断迭代，完成聚类。其中，“E步”使用一个后验概率来不断估计样本属于当前类的概率，并将该概率作为样本的权重；“M步”根据样本的权重来估计每个聚类的参数进行更新操作。不断迭代此过程，直到误差低于给定的阈值，聚类完成。NPM克服了传统的聚类方法通常无法准确识别并区分基因的相似性这一问题，避免了数据分布的参数假设。但是，复杂的表型组学测量对于发现重要的生物学功能和基因变得越来越重要，研究动态环境下测得的时序数据，对于理解生物如何随时间变化以实现生物学目标具有重要价值。由于NPM方法本身的约束，为了识别瞬时表型，即使可以在时序表型数据集的每个时间点上重复应用NPM，很难预先定义瞬时表型的时间范围。因此，NPM无法识别瞬时表型之间的关系。

发明内容

为了克服现有表型本体构建方法实用性差的不足，本发明提供一种基于时序数据的表型本体构建方法。该方法通过基因之间的相互作用关系自动识别并捕获瞬时表型，通过捕捉瞬时表型之间的关系，构建一个有向无环图，最终得到表型本体。本发明绕植物表型本体展开，通过基因、表型和环境之间的关系，构建出植物的时序表型本体。该方法基于图论挖掘植物时序表型数据中的潜在模式，算法易于实现，时间复杂度低，能够在有限的时间复杂度和空间复杂度内完成本体构建。其构建出来的表型本体拥有完善的拓扑结构，是一个注释了生物信息的有向无环图。节点之间的关系被很好的保留，节点的生物信息和生物意义也被很好的注释，实用性好。

本发明解决其技术问题所采用的技术方案：一种基于时序数据的表型本体构建方法，其特点是包括以下步骤：

步骤一、获取实验数据。动态环境光合成像集成多个组件的实验平台，在动态环境条件下连续监测植物的生长和光合作用。实验中每个突变体为敲除特定基因的拟南芥植株，在动态环境下对其光合作用的参数和叶片的生长情况进行数天的监测，最终得到拟南芥的光合作用时序表型数据。基于DEPI技术测量得到初始表型数据，使用记录的倍数变化将每个基因的表型值与参考值进行比较，得到相对表型值。参考值是野生型突变体实验，重组近交系实验中的亲本系，或者是群体实验中所有个体的平均值。