遗传算法优化的 BP 神经网络拷贝数变异检测

杨利霞

遗传算法优化的

BP

神经网络拷贝数变异检测

) Y5 p7 c. t' `" T3 U) }' f1 _: N6 h

拷贝数变异是一种主要的基因组结构变异形式，会导致基因组区域中出现大小不等的扩增或缺失。

针对现有拷贝数变异检测算法受

GC

含量偏差、测序误差等因素影响而导致检测能力低的问题，提出了一种

基于遗传算法优化的

BP

神经网络拷贝数变异检测算法。该算法充分考虑基因组相邻位置之间的内在相关性，

融合多个特征，并使用

BP

神经网络解决各个特征之间的联合作用以预测

CNV

；针对现有的

BP

神经网络模

型存在的问题，利用遗传算法优化

BP

神经网络的权值和阈值，以提高该算法的

CNV

检测性能。实验结果

表明，该算法对不同测序覆盖深度和肿瘤纯度共

300

个样本的平均检测灵敏度、平均检测精度和平均

F1

评

分分别为

97.27%

、

97.78%

和

97.53%

，均优于其他几种算法，且能够显著降低样本边界偏差值。

# p/ L. k* d% d2 ]- w3 g% k" ]