一种基于深度学习的复杂演化历史的分析方法

摘要

本发明提供了一种基于深度学习的复杂演化历史的分析方法，包括：根据预设的物种演化历史模拟序列数据，分别作为模型训练集和测试集；确定训练集数据的拓扑结构，并以不同拓扑结构的比例对训练数据进行标注；构建卷积神经网络，以模拟数据集对卷积神经网络进行训练和测试，使数据预测值与标签值之间的误差达到最小；基于训练好的卷积神经网络分析真实基因组序列数据，并结合其他群体遗传学分析方法，确定不同生物类群之间的演化关系和渗入位点。本发明利用比较基因组或群体基因组数据，通过深度学习算法推断序列之间的拓扑结构，进而评估基因组水平的演化关系，并通过不同区域间拓扑结构的差异鉴定局部的渗入信号。