【技术实现步骤摘要】
一种基于多网络融合和多层网络扩散的抑郁障碍基因特征挖掘方法
本专利技术属于生物信息学分析领域，涉及基于多网络融合和多层网络扩散的抑郁障碍基因特征挖掘方法。
技术介绍
抑郁症已成为当今社会的一种常见病，严重影响患者的生活质量，抑郁症与相关基因的功能失调密切相关，但全基因组关联研究等传统方法通常难以对抑郁症基因进行精确定位。由于生物医学实验成本高、时间周期长，因此通过开发计算方法挖掘抑郁障碍基因特征，从而识别抑郁障碍相关基因对于抑郁障碍的机制研究、预防、诊断和治疗都非常的重要。随着蛋白质相互作用网络等生物分子网络数据快速累积，基于生物分子网络的基因特征挖掘算法成为遗传关联研究的前沿。相同疾病的致病基因，由于其功能上的相关性，在生物分子网络中趋向于聚集，因此基于网络传播的算法成为一种有效策略，例如，带重启的随机游走，异构网络随机游走，多重网络随机游走等；基于现代高通量实验技术的快速发展，各种不同类型的生物分子网络数据的快速增长，这些生物分子网络数据的有效利用将有助于更有效的挖掘抑郁障碍基因特征；传统的基于聚合网络随...
【技术保护点】
1.一种基于多网络融合和多层网络扩散的抑郁障碍基因特征挖掘方法，其特征在于，该基因特征挖掘方法包括以下步骤：/n步骤1：将多种类型的生物数据建模转换成基因关联网络：计算人类基因表达谱的皮尔逊系数，获取每个基因最相似的k个邻居，构建稀疏化的k近邻基因共表达网络；通过疾病相似性网络和疾病基因关联，计算基因语义相似性网络；/n步骤2：将所述基因关联网络中的k近邻基因共表达网络、基因语义相似性网络和多类型的蛋白质物理相互作用网络中对应相同基因的节点相互连接，构建多层基因网络的邻接矩阵，实现多网络融合；通过多层基因网络的邻接矩阵的列归一化，计算多层基因网络的扩散矩阵；/n步骤3：依据...
【技术特征摘要】
1.一种基于多网络融合和多层网络扩散的抑郁障碍基因特征挖掘方法，其特征在于，该基因特征挖掘方法包括以下步骤：
步骤1：将多种类型的生物数据建模转换成基因关联网络：计算人类基因表达谱的皮尔逊系数，获取每个基因最相似的k个邻居，构建稀疏化的k近邻基因共表达网络；通过疾病相似性网络和疾病基因关联，计算基因语义相似性网络；
步骤2：将所述基因关联网络中的k近邻基因共表达网络、基因语义相似性网络和多类型的蛋白质物理相互作用网络中对应相同基因的节点相互连接，构建多层基因网络的邻接矩阵，实现多网络融合；通过多层基因网络的邻接矩阵的列归一化，计算多层基因网络的扩散矩阵；
步骤3：依据抑郁障碍基因驱动的多层基因网络扩散动力学方程，将抑郁障碍的已知致病基因作为扩散源，激发抑郁障碍基因驱动的多层基因网络扩散动力学过程，计算多层基因网络中每个节点的状态在扩散过程中的扩散特征。
步骤4：通过计算多层基因网络中对应相同基因的网络节点的所述扩散特征的几何均值，获得综合的抑郁障碍基因特征；依据综合的抑郁障碍基因特征优选出抑郁障碍相关基因。
2.根据权利要求1所述的基于多网络融合和多层网络扩散的抑郁障碍基因特征挖掘方法，其特征在于，步骤1中具体包括：
步骤1.1：获取抑郁障碍及各种相关疾病已知的致病基因数据、疾病表型关联注释数据、人类表型本体数据以及基因表达数据；将多种类型的数据转换成基因关联网络，包括基因共表达网络和基于疾病基因关联的基因语义相似性网络；
基因关联网络的计算方法如下：为将基因表达谱数据应用到基因特征挖掘中，计算人类基因表达谱基因之间的皮尔逊系数其中表示基因表达矩阵X的第i行的均值，Xip表示基因表达矩阵X第i行第p列的元素值，获取每个基因最相似的k个邻居，构建稀疏化的k近邻基因共表达网络及共表达矩阵；为将疾病语义数据应用到基因特征挖掘中，通过疾病相似性网络和疾病基因关联，计算基因语义相似性网络，计算方法为：
其中d1i表示与基因g1关联的疾病，d2j表示与基因g2关联的疾病；n表示与基因g1关联的疾病数量；m表示与基因g2关联的疾病数量；Sim(d1i,d2j)表示疾病d1i和疾病d2j之间的相似性或者关联。
3.根据权利要求2所述的基于多网络融合和多层网络扩散的抑郁障碍基因特征挖掘方法，其特征在于，所述步骤1.1后还包括步骤1.2：获取多类型的蛋白质物理相互作用网络，所述蛋白质物理相互作用网络包括调控网络、代谢网络、信号传导网络、蛋白质复合物网络、蛋白质激酶网络、高通量二元相互作用网络、文献验证的蛋白质相互作用网络的一种或者多种。
4.根据权利要求1或2所述的基于多网络融合和多层网络扩散的抑郁障碍基因特征挖掘方法，其特征在于，步骤2中具体包括：
步骤2.1：为实现多网络融合，将M个基因网络中对应相同基因的节点相互连接起来，...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。