(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111649901.X (22)申请日 2021.12.3 0 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦二层 (72)发明人 郜杰　赵国栋　王凡　何径舟　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 代理人 杜月 (51)Int.Cl. G16B 25/10(2019.01) G16B 40/20(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 组学数据处理方法、 装置、 电子设备和存储 介质 (57)摘要 本公开提供了一种组学数据处理方法、 装 置、 电子设备和存储介质， 涉及人工智 能技术领 域， 具体为深度学习、 智能医疗技术领域。 具体实 现方案为： 获取组学数据， 所述组学数据中包括 多个基因； 确定多个所述基因之间的关联关系； 根据所述组学数据中的多个所述基因的表达量， 以及所述关联关系， 确定图数据； 基于所述图数 据， 确定所述组学数据的特征， 以根据所述组学 数据的特征执行所述组学数据的目标任务。 由 此， 能够获取精准的组学数据的低维表示， 进而 提高癌症分型的分类任务、 个体生存分析任务等 下游的目标任务的准确性。 权利要求书3页 说明书15页 附图4页 CN 114429786 A 2022.05.03 CN 114429786 A 1.一种组学 数据处理方法， 包括： 获取组学 数据， 所述组学 数据中包括多个 基因； 确定多个所述基因之间的关联关系； 根据所述组学 数据中的多个所述基因的表达量， 以及所述关联关系， 确定图数据； 基于所述图数据， 确定所述组学数据的特征， 以根据所述组学数据的特征执行所述组 学数据的目标任务。 2.根据权利要求1所述的方法， 其中， 所述图数据， 包括图中多个节点的属性及连接所 述节点的边； 所述根据所述组学数据中的多个所述基因的表达量， 以及所述关联关系， 确定 图数据， 包括： 根据所述组学数据中的多个所述基因的表达量， 确定所述图中对应基因的节点的属 性； 根据至少两个所述基因之间的所述关联关系， 确定所述图中连接对应节点的边。 3.根据权利要求1所述的方法， 其中， 所述确定多个所述基因之间的关联关系， 包括： 根据多个所述基因合成的蛋白质， 查询蛋白质相互作用PPI网络， 以得到至少两基因所 合成的蛋白质之间的相互作用关系； 根据所述至少两基因所合成的蛋白质之间的相互作用关系， 确定所述至少两基因 的所 述关联关系。 4.根据权利要求1所述的方法， 其中， 所述多个基因包括第一基因和第二基因； 所述确 定多个所述基因之间的关联关系， 包括： 统计N次比较中所述第 一基因的表达量与 所述第二基因的表达量的变化趋势相同的次 数； 在所述次数大于预设阈值的情况下， 确定所述第 一基因与所述第 二基因存在所述关联 关系， 其中， 所述预设阈值小于N。 5.根据权利要求1 ‑4任一项所述的方法， 其中， 所述基于所述图数据， 确定所述组学数 据的特征， 包括： 采用图神经网络模型对所述图数据进行编码， 以得到所述组学 数据的特 征。 6.一种用于组学 数据处理的模型训练方法， 包括： 获取训练组学数据， 所述训练组学数据中包括多个基因， 至少两个所述基因之间存在 关联关系； 确定所述多个 基因之间的关联关系； 根据所述训练组学数据中的多个所述基因的表达量， 以及所述关联关系， 确定训练图 数据； 采用至少两种数据增强策略对所述训练图数据进行调整， 以得到至少两种增强图数 据； 采用图神经网络模型对所述至少两种增强图数据进行编码， 以得到对应的特 征； 根据所述至少两种增强图数据的特征之间的差异， 调整所述神经网络模型的模型参 数， 以使所述差异最小化。 7.根据权利要求6所述的方法， 其中， 所述训练图数据， 包括训练图中多个节点的属性 及连接所述节点的边； 所述根据所述训练组学数据中的多个所述基因的表达量， 以及所述权　利　要　求　书 1/3 页 2 CN 114429786 A 2关联关系， 确定训练图数据， 包括： 根据所述训练组学数据中的多个所述基因的表达量， 确定所述训练图中对应基因 的节 点的属性； 根据至少两个所述基因之间的所述关联关系， 确定所述训练图中连接对应节点的边。 8.根据权利要求7所述的方法， 其中， 所述采用至少两种数据增强策略对所述训练图数 据进行调整， 以得到 至少两种增强图数据， 包括： 采用至少两种数据增强策略， 对所述训练图数据中的至少一个节点的所述表达量进行 掩码， 以得到 至少两种增强图数据。 9.根据权利要求7所述的方法， 其中， 所述采用至少两种数据增强策略对所述训练图数 据进行调整， 以得到 至少两种增强图数据， 包括： 采用至少两种数据增强策略， 对所述训练图数据中的至少一个节点的所述表达量添加 噪声， 以得到 至少两种增强图数据。 10.一种组学 数据处理装置， 包括： 第一获取模块， 用于获取组学 数据， 所述组学 数据中包括多个 基因； 第一确定模块， 用于确定多个所述基因之间的关联关系； 第二确定模块， 用于根据所述组学数据中的多个所述基因的表达量， 以及所述关联关 系， 确定图数据； 第三确定模块， 用于基于所述图数据， 确定所述组学数据的特征， 以根据 所述组学数据 的特征执行所述组学 数据的目标任务。 11.根据权利要求10所述的装置， 其中， 所述图数据， 包括图中多个节点的属性及连接 所述节点的边； 所述第二确定模块， 包括： 第一确定单元， 用于根据所述组学数据中的多个所述基因的表达量， 确定所述图中对 应基因的节点的属性； 第二确定单元， 用于根据至少两个所述基因之间的所述关联关系， 确定所述图中连接 对应节点的边。 12.根据权利要求10所述的装置， 其中， 所述第一确定模块， 包括： 查询单元， 用于根据多个所述基因合成的蛋白质， 查询蛋白质相互作用PPI网络， 以得 到至少两基因所合成的蛋白质之间的相互作用关系； 第三确定单元， 用于根据所述至少两基因所合成的蛋白质之间的相互作用关系， 确定 所述至少两基因的所述关联关系。 13.根据权利要求10所述的装置， 其中， 所述多个基因包括第一基因和第二基因； 所述 第一确定模块， 包括： 统计单元， 用于统计N次比较中所述第一基因的表达量与所述第二基因的表达量的变 化趋势相同的次数； 第四确定单元， 用于在所述次数大于预设阈值的情况下， 确定所述第一基因与所述第 二基因存在所述关联关系， 其中， 所述预设阈值小于N。 14.根据权利要求10 ‑13任一项所述的装置， 其中， 所述第三确定模块， 包括： 编码单元， 用于采用图神经网络模型对所述图数据进行编码， 以得到所述组学数据的 特征。权　利　要　求　书 2/3 页 3 CN 114429786 A 3