一种基于网络模型的circRNA-疾病关联预测方法技术

本发明专利技术公开一种基于网络模型的circRNA‑疾病关联预测方法，其特征在于，包括如下步骤：1）获取circRNA‑疾病关联数据集，构建关于circRNA‑疾病关联的邻接矩阵A；2）构建circRNA高斯相互作用属性核相似性矩阵KC；3）构建疾病高斯相互作用属性核相似性矩阵KD；4）依据网络一致性投影模型对circRNA‑疾病关联预测。这种方法成本低、能提高circRNA‑疾病关联预测精度。

A CIRCRNA-Disease Association Prediction Method Based on Network Model

The invention discloses a circRNA disease association prediction method based on network model, which is characterized by the following steps: 1) acquiring circRNA disease association data set, constructing adjacent matrix A on circRNA disease association; 2) constructing circRNA Gauss interaction attribute nuclear similarity matrix KC; 3) constructing disease Gauss interaction attribute nuclear similarity matrix KD; 4) depending on the following steps: 1) acquiring circRNA disease association data set; According to the network consistency projection model, the association of circRNA and disease was predicted. This method has low cost and can improve the accuracy of circRNA disease association prediction.

【技术实现步骤摘要】
一种基于网络模型的circRNA-疾病关联预测方法
本专利技术涉及生物信息学和人工智能交叉领域，具体是一种基于网络模型的circRNA-疾病关联预测方法。
技术介绍
众所周知，遗传信息存储在蛋白质编码基因中，这被称为分子生物学的中心法则。因此，RNA在相当长的时间内仅被认为是DNA序列与其编码的蛋白质之间的中介。最近的研究表明，蛋白质编码基因仅占人类基因组的很小一部分(大约1.5％)。换句话说，超过98％的人类基因组不编码蛋白质序列。特别的，已经观察到非蛋白质编码序列的比例随着生物的复杂性而增加。这些事实挑战了前面提到的RNA的传统观点。此外，越来越多的证据表明，非编码RNA(ncRNA)通常在各种生物过程中发挥关键作用。环状RNA(circRNA)是一类非常重要的ncRNA，circRNA分子以共价键形成封闭环状结构，是一类不具有5'末端帽子和3'末端poly(A)尾巴的特殊内源性ncRNA，具有广泛性、保守性、组织特异性以及稳定性等特性。在最近几年的研究中，人们发现circRNA在各种各样的生物过程中扮演着重要的角色。其参与糖尿病、心血管疾病、神经系统疾病、以及肿瘤等疾病的发生、本文档来自技高网...

【技术保护点】
1.一种基于网络模型的circRNA‑疾病关联预测方法，其特征在于，包括如下步骤：1)获取circRNA‑疾病关联数据集，构建关于circRNA‑疾病关联的邻接矩阵A：从circRNADisease数据库中获取经生物实验证实的circRNA‑疾病关联数据，将鸡、老鼠物种的circRNA‑疾病关联数据删除，只保留人类物种的circRNA‑疾病关联数据，得到239对不同的circRNA和疾病关联数据，其中涉及疾病种类34种，circRNA种类223种，定义D＝{d(1)，d(2)，d(3)，...，d(nd)}来记nd种疾病的集合，C＝{c(1)，c(2)，c(3)，...，c(nc)}来记nc种...

【技术特征摘要】
1.一种基于网络模型的circRNA-疾病关联预测方法，其特征在于，包括如下步骤：1)获取circRNA-疾病关联数据集，构建关于circRNA-疾病关联的邻接矩阵A：从circRNADisease数据库中获取经生物实验证实的circRNA-疾病关联数据，将鸡、老鼠物种的circRNA-疾病关联数据删除，只保留人类物种的circRNA-疾病关联数据，得到239对不同的circRNA和疾病关联数据，其中涉及疾病种类34种，circRNA种类223种，定义D＝{d(1)，d(2)，d(3)，...，d(nd)}来记nd种疾病的集合，C＝{c(1)，c(2)，c(3)，...，c(nc)}来记nc种circRNA的集合，建邻接矩阵And×nc表示circRNA和疾病关联数据的关系，当疾病d(i)和circRNAc(j)相互关联时，邻接矩阵A中A(i，j)的值设为1；反之，A(i，j)的值设为0，表示未知的关联；2)构建circRNA高斯相互作用属性核相似性矩阵KC：依据步骤1)的邻接矩阵A，构建circRNA高斯相互作用属性核相似性矩阵KC，circRNA之间的相似性指的是高斯相互作用属性核相似性，circRNAc(i)和c(j)的高斯相互作用属性核相似性计算如公式(1)和公式(2)所示：KC(c(i)，c(j))＝exp(-γc||IP(c(i))-IP(c(j))||2)(1)，其中，IP(c(i))和IP(c(j))分别表示邻接矩阵A的第i列向量和第j列向量，||·||是求向量...

【专利技术属性】
技术研发人员：樊永显，朱庆祺，张向文，张龙，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西,45