一种miRNA-疾病关联预测方法、系统、终端以及存储介质技术方案

本申请实施例涉及一种miRNA‑疾病关联预测方法、系统、终端以及存储介质。所述方法包括：根据miRNA‑疾病相关数据构建miRNA‑疾病关联矩阵、miRNA相似度矩阵以及疾病相似度矩阵；根据所述miRNA‑疾病关联矩阵、miRNA相似度矩阵和疾病相似度矩阵构建异构网络；采用神经网络学习所述异构网络的拓扑信息，通过拓扑保持计算所述异构网络的最优参数，并根据所述最优参数重建所述异构网络；所述重建后的异构网络即为miRNA与疾病的关联得分矩阵。本申请实施例解决了生物实验方法成本昂贵和耗时的问题，提高了miRNA‑疾病关联预测的效果，具有实用性，并可用于没有已知关联的疾病和miRNA之间的关联预测。

【技术实现步骤摘要】
一种miRNA-疾病关联预测方法、系统、终端以及存储介质
本申请实施例属于生物信息学
，特别涉及一种miRNA-疾病关联预测方法、系统、终端以及存储介质。
技术介绍
miRNAs是一类长度约为22个核苷酸的微小内源性非编码RNA，通过诱导信使RNA降解、翻译抑制或其它形态调节机制来抑制靶基因的表达。大量研究证据显示，miRNA在许多生物进程中发挥重要作用，miRNA功能失调和miRNA突变会导致各种疾病的发生。因此，识别miRNA与疾病之间的相互作用关系有利于人类理解疾病机制，从而为疾病的预防和治疗提供帮助。生物实验的方法需要大量的资源和时间成本，因此，许多预测miRNA-疾病关联的计算方法被提出。现有技术中，预测miRNA-疾病关联的计算方法主要包括基于机器学习的方法和基于网络的方法。然而上述两种方法只考虑了miRNA与疾病之间片面的信息，不能充分表征miRNA与疾病之间的复杂关系，且预测准确度有待提高。因此，有必要设计一种能充分学习到miRNA和疾病关系的方法。专利(CN109256215A)公开了一种基于自回避随机游本文档来自技高网...

【技术保护点】
1.一种miRNA-疾病关联预测方法，其特征在于，包括以下步骤：/n步骤a：根据miRNA-疾病相关数据构建miRNA-疾病关联矩阵、miRNA相似度矩阵以及疾病相似度矩阵；/n步骤b：根据所述miRNA-疾病关联矩阵、miRNA相似度矩阵和疾病相似度矩阵构建异构网络；/n步骤c：采用神经网络学习所述异构网络的拓扑信息，通过拓扑保持计算所述异构网络的最优参数，并根据所述最优参数重建所述异构网络；所述重建后的异构网络即为miRNA与疾病的关联得分矩阵。/n

【技术特征摘要】
1.一种miRNA-疾病关联预测方法，其特征在于，包括以下步骤：
步骤a：根据miRNA-疾病相关数据构建miRNA-疾病关联矩阵、miRNA相似度矩阵以及疾病相似度矩阵；
步骤b：根据所述miRNA-疾病关联矩阵、miRNA相似度矩阵和疾病相似度矩阵构建异构网络；
步骤c：采用神经网络学习所述异构网络的拓扑信息，通过拓扑保持计算所述异构网络的最优参数，并根据所述最优参数重建所述异构网络；所述重建后的异构网络即为miRNA与疾病的关联得分矩阵。


2.根据权利要求1所述的miRNA-疾病关联预测方法，其特征在于，所述步骤a中，所述miRNA-疾病相关数据包括miRNA-疾病关联数据、基因功能信息、miRNA-target关联信息、miRNA家族和簇的信息以及miRNA功能相似度数据。


3.根据权利要求2所述的miRNA-疾病关联预测方法，其特征在于，在所述步骤a中，所述构建miRNA-疾病关联矩阵具体为：
根据所述miRNA-疾病关联数据构建miRNA-疾病关联矩阵。


4.根据权利要求2所述的miRNA-疾病关联预测方法，其特征在于，在所述步骤a中，所述构建miRNA相似度矩阵具体为：
根据所述miRNA-target关联信息、miRNA家族信息、miRNA簇信息以及miRNA功能相似度数据构建miRNA相似度矩阵。


5.根据权利要求4所述的miRNA-疾病关联预测方法，其特征在于，所述构建miRNA相似度矩阵还包括：
根据所述miRNA-target关联信息计算得到基于靶基因的相似度矩阵；
根据所述miRNA家族信息计算得到基于miRNA家族信息的相似度矩阵；
根据miRNA簇信息计算得到基于miRNA簇信息的相似度矩阵；
根据miRNA功能相似度数据计算得到基于miRNA功能相似度数据的相似度矩阵；
将上述四种相似度矩阵加权求和，得到miRNA相似度矩阵。


6.根据权利要求2所述的miRNA-疾病关联预测方法，其特征在于，在所述步骤a中，所述构建疾病相似度矩阵具...

【专利技术属性】
技术研发人员：朱荣祥，吴红艳，蔡云鹏，纪超杰，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44