遗传变异位点的处理方法、表型预测方法及系统与流程
本说明书实施例涉及遗传生物，特别涉及一种遗传变异位点的处理方法；本说明书一个或者多个实施例同时涉及一种表型预测方法、另一种表型预测方法、一种表型预测系统、一种计算设备、一种计算机可读存储介质以及一种计算机程序产品。
背景技术：
1、在生物遗传领域，针对基因序列中的遗传变异位点进行分析处理，是生物遗传研究中的重要工作；随着人工智能技术的不断发展，在生物遗传研究的工作中也引入了神经网络模型，辅助生物遗传研究工作。
2、目前在利用神经网络模型对遗传变异位点序列进行分析处理的过程中，由于相关联的遗传变异位点，可能在遗传变异位点序列中的分布距离较远，会导致神经网络模型无法有效的建立遗传变异位点之间的联系并进行分析处理，使得神经网络模型输出的处理结果存在准确度较低的问题，因此，严重影响了生物遗传研究工作的顺利开展。
技术实现思路
1、有鉴于此，本说明书实施例提供了一种遗传变异位点的处理方法。本说明书一个或者多个实施例同时涉及一种表型预测方法、另一种表型预测方法、一种表型预测系统、一种表型预测装置、另一种表型预测装置、一种计算设备、一种计算机可读存储介质以及一种计算机程序产品，以解决现有技术中存在的技术缺陷。
2、根据本说明书实施例的第一方面，提供了一种遗传变异位点的处理方法，包括：
3、确定待处理生物样本的位点序列，其中，所述位点序列包括多个遗传变异位点；
4、确定各遗传变异位点之间的关联关系，并基于所述关联关系将所述位点序列映射至二维空间，获得所述二维空间对应的位点对象，其中，所述位点对象的维度大于所述位点序列的维度，且所述位点对象包含多个遗传变异位点；
5、将所述位点对象输入至位点处理模型，获得所述多个遗传变异位点对应的处理结果。
6、根据本说明书实施例的第二方面，提供了一种遗传变异位点的处理装置，包括：
7、数据确定模块，被配置为确定待处理生物样本的位点序列，其中，所述位点序列包括多个遗传变异位点；
8、对象获取模块，被配置为确定各遗传变异位点之间的关联关系，并基于所述关联关系将所述位点序列映射至二维空间，获得所述二维空间对应的位点对象，其中，所述位点对象的维度大于所述位点序列的维度，且所述位点对象包含多个遗传变异位点；
9、对象处理模块，被配置为将所述位点对象输入至位点处理模型，获得所述多个遗传变异位点对应的处理结果。
10、根据本说明书实施例的第三方面，提供了一种表型预测方法，包括：
11、确定待处理生物样本的位点序列，其中，所述位点序列包括多个遗传变异位点；
12、确定各遗传变异位点之间的关联关系，并基于所述关联关系将所述位点序列映射至二维空间，获得所述二维空间对应的位点对象，其中，所述位点对象的维度大于所述位点序列的维度，且所述位点对象包含多个遗传变异位点；
13、将所述位点对象输入至表型预测模型，获得所述多个遗传变异位点对应的表型预测结果。
14、根据本说明书实施例的第四方面，提供了一种表型预测装置，包括：
15、数据确定模块，被配置为确定待处理生物样本的位点序列，其中，所述位点序列包括多个遗传变异位点；
16、对象获取模块，被配置为确定各遗传变异位点之间的关联关系，并基于所述关联关系将所述位点序列映射至二维空间，获得所述二维空间对应的位点对象，其中，所述位点对象的维度大于所述位点序列的维度，且所述位点对象包含多个遗传变异位点；
17、对象处理模块，被配置为将所述位点对象输入至表型预测模型，获得所述多个遗传变异位点对应的表型预测结果。
18、根据本说明书实施例的第五方面，提供了一种表型预测方法，应用于云侧设备，包括：
19、接收端侧设备发送的待处理生物样本的位点序列，其中，所述位点序列包括多个遗传变异位点；
20、确定各遗传变异位点之间的关联关系，并基于所述关联关系将所述位点序列映射至二维空间，获得所述二维空间对应的位点对象，其中，所述位点对象的维度大于所述位点序列的维度，且所述位点对象包含多个遗传变异位点；
21、将所述位点对象输入至表型预测模型，获得所述多个遗传变异位点对应的表型预测结果；
22、将所述表型预测结果发送至所述端侧设备。
23、根据本说明书实施例的第六方面，提供了一种表型预测装置，应用于云侧设备，包括：
24、数据接收模块，被配置为接收端侧设备发送的待处理生物样本的位点序列，其中，所述位点序列包括多个遗传变异位点；
25、对象获取模块，被配置为确定各遗传变异位点之间的关联关系，并基于所述关联关系将所述位点序列映射至二维空间，获得所述二维空间对应的位点对象，其中，所述位点对象的维度大于所述位点序列的维度，且所述位点对象包含多个遗传变异位点；
26、对象处理模块，被配置为将所述位点对象输入至表型预测模型，获得所述多个遗传变异位点对应的表型预测结果；
27、结果发送模块，被配置为将所述表型预测结果发送至所述端侧设备。
28、根据本说明书实施例的第七方面，提供了一种表型预测系统，包括客户端与服务端，其中，
29、所述客户端，被配置为向所述服务端发送待处理生物样本的位点序列，其中，所述位点序列包括多个遗传变异位点；
30、所述服务端，被配置为接收所述客户端发送的所述待处理生物样本的所述位点序列，
31、确定各遗传变异位点之间的关联关系，并基于所述关联关系将所述位点序列映射至二维空间，获得所述二维空间对应的位点对象，其中，所述位点对象的维度大于所述位点序列的维度，且所述位点对象包含多个遗传变异位点，
32、将所述位点对象输入至表型预测模型，获得所述多个遗传变异位点对应的表型预测结果。
33、根据本说明书实施例的第八方面，提供了一种计算设备，包括：
34、存储器和处理器；
35、所述存储器用于存储计算机程序/指令，所述处理器用于执行所述计算机程序/指令，该计算机程序/指令被处理器执行时实现上述任意一种方法的步骤。
36、根据本说明书实施例的第九方面，提供了一种计算机可读存储介质，其存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现上述任意一种方法的步骤。
37、根据本说明书实施例的第十方面，提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述任意一种方法的步骤。
38、本说明书一个或多个实施例提供了一种遗传变异位点的处理方法，该方法在对遗传变异位点进行处理的过程中，可以确定各遗传变异位点之间的关联关系，并基于所述关联关系将所述位点序列映射至二维空间，获得所述二维空间对应的位点对象，实现了基于各遗传变异位点之间的关联关系对位点序列进行调整，从而将相关联的遗传变异位点分布在相近的位置，并且，通过将基于关联关系确定的位点对象输入至位点处理模型进行处理，使得位点处理模型有效的建立遗传变异位点之间的联系并进行分析处理，从而获得准确的处理结果，避免了神经网络模型输出的处理结果准确度较低的问题，保证了生物遗传研究工作的顺利开展。
技术特征：
1.一种遗传变异位点的处理方法，包括：
2.如权利要求1所述的方法，将所述位点对象输入至位点处理模型，获得所述多个遗传变异位点对应的处理结果，包括：
3.如权利要求2所述的方法，所述位点对象为至少两个，各位点对象中包含部分遗传变异位点，所述部分遗传变异位点为所述多个遗传变异位点的子集；
4.如权利要求3所述的方法，所述利用所述特征处理单元对所述位点对象特征以及所述位点对象进行处理，获得所述多个遗传变异位点对应的处理结果，包括：
5.如权利要求1所述的方法，确定各遗传变异位点之间的关联关系，包括：
6.如权利要求5所述的方法，所述位点序列为至少两个，各位点序列中分别包括多个遗传变异位点；
7.如权利要求6所述的方法，确定所述目标遗传变异位点与所述其他遗传变异位点之间的相似度，包括：
8.如权利要求1所述的方法，基于所述关联关系将所述位点序列映射至二维空间，并获得所述二维空间对应的位点对象，包括：
9.如权利要求8所述的方法，所述位点集合为一个；
10.如权利要求1所述的方法，确定待处理生物样本的位点序列，包括：
11.一种表型预测方法，包括：
12.一种表型预测方法，应用于云侧设备，包括：
13.一种表型预测系统，包括客户端与服务端，其中，
14.一种计算设备，包括：
15.一种计算机可读存储介质，其存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现权利要求1至12任意一项所述方法的步骤。
16.一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现权利要求1至12任意一项所述方法的步骤。
技术总结
本说明书实施例提供遗传变异位点的处理方法、表型预测方法及系统，其中所述遗传变异位点的处理方法，包括：确定待处理生物样本的位点序列，其中，所述位点序列包括多个遗传变异位点；确定各遗传变异位点之间的关联关系，并基于所述关联关系将所述位点序列映射至二维空间，获得所述二维空间对应的位点对象，其中，所述位点对象的维度大于所述位点序列的维度，且所述位点对象包含多个遗传变异位点；将所述位点对象输入至位点处理模型，获得所述多个遗传变异位点对应的处理结果；使得位点处理模型有效的建立遗传变异位点之间的联系并进行分析处理，避免了神经网络模型输出的处理结果准确度较低的问题，保证了生物遗传研究工作的顺利开展。
技术研发人员：杨晗
受保护的技术使用者：阿里巴巴达摩院（杭州）科技有限公司
技术研发日：
技术公布日：2024/9/23