本发明专利技术实施例公开了一种多重聚合酶链式反应引物设计方法、装置、设备和介质,其中,方法包括:获取多个待扩增基因序列;将所述多个待扩增基因序列输入至经过预先训练的目标多重聚合酶链式反应引物设计模型,得到与所述多个待扩增基因序列对应的多个特异性引物序列;其中,所述多重聚合酶链式反应引物设计模型为多任务学习的记忆神经网络模型,包括预设引物设计流程中各任务节点对应的子任务网络模型。本实施例的技术方案解决了传统多重聚合酶链式反应引物设计方法过程复杂且耗时的问题,可以实现一种用户友好的且高效的多重聚合酶链式反应引物设计方法,使用户不必过多关注引物设计的过程,以提高获得目标引物的效率。以提高获得目标引物的效率。以提高获得目标引物的效率。
【技术实现步骤摘要】
多重聚合酶链式反应引物设计方法、装置、设备和介质
[0001]本专利技术实施例涉及深度学习
,尤其涉及一种多重聚合酶链式反应引物设计方法、装置、设备和介质。
技术介绍
[0002]多重聚合酶链式反应(MultiplexPCR,简称MPCR)是一种实验技术,它允许在单个聚合酶链式反应(PolymeraseChainReaction,PCR)实验中同时扩增多个目标DNA序列。
[0003]传统多重聚合酶链式反应过程包括目标序列准备、使用PRIMER3工具分别设计多个单重引物对、BLAST搜索非特异性扩增序列、筛选特异性引物对、多重引物优化以及实验验证等多个阶段。
[0004]但是,上述过程中涉及多个软件工具以及数据库,分析结果依赖于序列数据库的质量和完整性,计算量大且计算时间较长,且整个过程较为复杂对用户来说学习和操作成本较高。
技术实现思路
[0005]本专利技术实施例提供了一种多重聚合酶链式反应引物设计方法、装置、设备和介质,可以实现一种用户友好的且高效的多重聚合酶链式反应引物设计方法,使用户不必过多关注引物设计的过程,以提高获得目标引物的效率。
[0006]第一方面,本专利技术实施例提供了一种多重聚合酶链式反应引物设计方法,该方法包括:
[0007]获取多个待扩增基因序列;
[0008]将所述多个待扩增基因序列输入至经过预先训练的目标多重聚合酶链式反应引物设计模型,得到与所述多个待扩增基因序列对应的多个特异性引物序列;
[0009]其中,所述目标多重聚合酶链式反应引物设计模型为多任务学习的记忆神经网络模型,包括预设引物设计流程中各任务节点对应的子任务网络模型。
[0010]第二方面,本专利技术实施例还提供了一种多重聚合酶链式反应引物设计装置,该装置包括:
[0011]序列信息获取模块,用于获取多个待扩增基因序列;
[0012]引物设计模块,用于将所述多个待扩增基因序列输入至经过预先训练的目标多重聚合酶链式反应引物设计模型,得到与所述多个待扩增基因序列对应的多个特异性引物序列;
[0013]其中,所述目标多重聚合酶链式反应引物设计模型为多任务学习的记忆神经网络模型,包括预设引物设计流程中各任务节点对应的子任务网络模型。
[0014]第三方面,本专利技术实施例还提供了一种计算机设备,所述计算机设备包括:
[0015]一个或多个处理器;
[0016]存储器,用于存储一个或多个程序;
[0017]当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本专利技术任意实施例所提供的多重聚合酶链式反应引物设计方法。
[0018]第四方面,本专利技术实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本专利技术任意实施例所提供的多重聚合酶链式反应引物设计方法。
[0019]本实施例的技术方案,通过获取多个待扩增基因序列;将所述多个待扩增基因序列输入至经过预先训练的目标多重聚合酶链式反应引物设计模型,得到与所述多个待扩增基因序列对应的多个特异性引物序列;其中,所述目标多重聚合酶链式反应引物设计模型为多任务学习的记忆神经网络模型,包括预设引物设计流程中各任务节点对应的子任务网络模型。本实施例的技术方案解决了传统多重聚合酶链式反应引物设计方法过程复杂且耗时的问题,可以实现一种用户友好的且高效的多重聚合酶链式反应引物设计方法,使用户不必过多关注引物设计的过程,以提高获得目标引物的效率。
附图说明
[0020]图1为本专利技术实施例提供的一种多重聚合酶链式反应引物设计方法的流程图;
[0021]图2为本专利技术实施例提供的一种多重聚合酶链式反应引物设计方法的流程图;
[0022]图3为本专利技术实施例提供的一种多重聚合酶链式反应引物设计装置的结构示意图;
[0023]图4为本专利技术实施例提供的一种计算机设备的结构示意图。
具体实施方式
[0024]下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本专利技术,而非对本专利技术的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本专利技术相关的部分而非全部结构。
[0025]图1为本专利技术实施例提供的一种多重聚合酶链式反应引物设计方法的流程图,本实施例可适用于基因序列扩增的场景中,特别是同时扩增多个目标基因序列的情形。该方法可以由多重聚合酶链式反应引物设计装置执行,该装置可以由软件和/或硬件的方式来实现,集成于具有应用开发功能的计算机设备中。
[0026]如图1所示,本实施例的多重聚合酶链式反应引物设计方法包括以下步骤:
[0027]S110、获取多个待扩增基因序列。
[0028]基因扩增是指某一个特定基因的拷贝数选择性地增加而其它基因的拷贝数并未按比例增加的过程。
[0029]其中,待扩增基因序列可以是需要进行复制以增加数量的基因序列。多个待扩增基因序列可以是需要在一次聚合酶链式反应(PCR)实验中同时扩增的多个目标DNA序列。
[0030]S120、将所述多个待扩增基因序列输入至经过预先训练的目标多重聚合酶链式反应引物设计模型,得到与所述多个待扩增基因序列对应的多个特异性引物序列。
[0031]反应引物是指一小段单链DNA或RNA,作为DNA复制的起点,在核酸合成反应时,作为每个多核苷酸进行延伸的出发点而起作用的多核苷酸链。引物设计的目的是找到一对合适的核苷酸片段,使其能有效地扩增模板DNA序列。
[0032]其中,目标多重聚合酶链式反应引物设计模型是经过预先训练的具有引物设计功能的神经网络模型,其可以根据输入的多个待扩增基因序列设计出特异性佳的多个引物序列。
[0033]进一步的,目标多重聚合酶链式反应引物设计模型为多任务学习的记忆神经网络模型,包括预设引物设计流程中各任务节点对应的子任务网络模型。其中,各子任务包括基因序列分类子任务、基因片段补全子任务、单引物设计子任务、单引物评分型子任务、多引物评分型子任务和引物优化子任务。目标多重聚合酶链式反应引物设计模型通过在各个子任务节点通过相应的子任务网络模型快速的对基因序列进行分析,从而可以高效且准确的得到引物设计结果。
[0034]在一种可选的实施方式中,一个多任务学习的记忆神经网络架构,可综合使用长短时记忆网络(LSTM)、门控循环单元(GRU)、卷积神经网络(CNN)、Transformer等模型,采用分布式存储和训练方式,总参数不少于10亿个。用于处理引物设计中的关键问题,如特异性、退火温度、引物间相互作用等。即通过神经网络的方式解决了引物设计过程中相关人员需要考虑的问题,如引物对的设计需要具有高度的特异性,以确保只扩增目标序列,而不是非特异性序列;引物设计时需要考虑引物的长度、GC含量、退火温度等参数;需要考虑引物之间的相互作用,避免引物间的二聚体或多聚体形成,以确保实验的准确性。通过深度学习的方式,也更好了实现了引物设计的自动化流本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种多重聚合酶链式反应引物设计方法,其特征在于,包括:获取多个待扩增基因序列;将所述多个待扩增基因序列输入至经过预先训练的目标多重聚合酶链式反应引物设计模型,得到与所述多个待扩增基因序列对应的多个特异性引物序列;其中,所述目标多重聚合酶链式反应引物设计模型为多任务学习的记忆神经网络模型,包括预设引物设计流程中各任务节点对应的子任务网络模型。2.根据权利要求1所述的方法,其特征在于,所述目标多重聚合酶链式反应引物设计模型的训练过程,包括:分别对各所述子任务网络模型的初始网络模型进行训练,得到各所述子任务网络模型的初阶模型结构;基于所述各任务节点之间的任务关联关系,组合各所述子任务网络模型的初阶模型结构,得到初始多重聚合酶链式反应引物设计模型;基于预设多重聚合酶链式反应引物样本对所述初始多重聚合酶链式反应引物设计模型进行训练,得到所述目标多重聚合酶链式反应引物设计模型。3.根据权利要求2所述的方法,其特征在于,所述基于所述各任务节点之间的任务关联关系,组合各所述子任务网络模型的初阶模型结构,得到初始多重聚合酶链式反应引物设计模型,包括:根据所述各任务节点的任务执行先后顺序,将前一任务节点的子任务网络模型的输出结果作为与所述前一任务节点相邻的后一任务节点的子任务网络模型的输入,以将所述子任务网络模型的初阶模型结构组合连接,得到初始多重聚合酶链式反应引物设计模型。4.根据权利要求2所述的方法,其特征在于,分别对各所述子任务网络模型的初始网络模型进行训练,得到各所述子任务网络模型的初阶模型结构,包括:分别构建各子任务模型训练样本;基于各子任务模型训练样本对各所述子任务网络模型的初始网络模型进行训练,得到各所述子任务网络模型的初阶模型结构;其中,所述各子任务包括基因序列分类子任务、基因片段补全子任务、单引物设计子任务、单引物评分型子任务、多引物评分型子任务和引物优化子任务。5.根据权利要求2所述的方法,其特征在于,基于预设多重聚合酶链式反应引物样本对所述初...
【专利技术属性】
技术研发人员:高毅,胡卿瑞,林大川,陈心春,
申请(专利权)人:深圳大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。