一种miRNA-癌症关联方法及相关装置制造方法及图纸

本申请公开了一种miRNA

【技术实现步骤摘要】
一种miRNA
‑
癌症关联方法及相关装置


[0001]本申请涉及链接预测
，尤其涉及一种miRNA
‑
癌症关联方法及相关装置。

技术介绍

[0002]随着测序技术的发展和高通量数据的产生，大量的生物组学数据和癌症患者数据被用来分析癌症的产生和发展过程。在导致癌症产生的因素中，与癌症相关的微小核糖核酸(micro Ribonucleic Acid，miRNA)的识别，一直是生物信息领域的研究重点，识别不同癌症相关miRNA，能够发现新的抗癌靶点和预后因子，为癌症的辅助诊断、抗癌药物的开发和研究打下扎实的基础。
[0003]鉴于此，为了实现对癌症和miRNA的关联识别，通常引入自注意力机制区分miRNA和癌症之间不同相互作用，从而基于自注意力机制获得的癌症特征和miRNA特征来训练分类器，实现对癌症和miRNA的关联识别。
[0004]具体来讲，现有技术中，将已知的miRNA
‑
癌症关联数据作为实验主要数据集，并下载相应的验证数据集作为实验结果；接着，通过已知miRNA
‑
癌症的邻接矩阵，带入高斯轮廓核相似度函数，分别计算各个miRNA之间的相似度和癌症之间的相似度，并将获得的各个相似度分别作为相应节点的初始向量；进一步地，将miRNA
‑
癌症关联对的特征矩阵输入到自注意力机制编码器中，学习节点对之间的特征表示；最终，将自注意力机制编码器的输出作为多层感知机解码器的输入，预测miRNA
‑
癌症的关联分数，并利用交叉熵损失函数计算损失，反向传播，训练模型参数。
[0005]由此可见，使用自注意力机制有效的区分了miRNA和癌症之间的不同程度、不同类型的相互作用，并且输出的特征表示还包含miRNA
‑
癌症节点本身的特征信息，故而，可以有效的预测miRNA和癌症的潜在关联。
[0006]然而，采用上述的miRNA
‑
癌症关联预测方法，会因只采用单一的实验数据集，和/或，miRNA
‑
癌症关联对的特征矩阵，通常只考虑单个miRNA和癌症之间的相互作用，从而导致预测miRNA
‑
癌症的关联分数不准确，进而导致miRNA
‑
症关联预测的准确度较低。
[0007]因此，采用上述方式，miRNA
‑
癌症关联预测的准确度较低。

技术实现思路

[0008]本申请实施例提供了一种miRNA
‑
癌症关联方法及相关装置，用以提高miRNA
‑
癌症关联预测的准确度。
[0009]第一方面，本申请实施例提供了一种miRNA
‑
癌症关联方法，所述方法包括：
[0010]分别从包含目标癌症和目标miRNA的各个数据集中，获取与目标癌症满足预设的癌症相似度条件的至少一种候选癌症，以及获取与目标miRNA满足预设的miRNA相似度条件的至少一种候选miRNA；
[0011]基于各个数据集各自包含的至少一种候选癌症的候选癌症特征，分别获得各个数据集中，目标癌症的癌症子特征，以及基于各个数据集各自包含的至少一种候选miRNA的候
选RNA特征，分别获得各个数据集中，目标miRNA的RNA子特征；
[0012]基于获得的各个癌症子特征和各个RNA子特征，分别得到目标癌症的癌症融合特征和目标miRNA的RNA融合特征；
[0013]基于癌症融合特征和所述RNA融合特征，获得目标癌症和目标miRNA之间的关联可信度。
[0014]第二方面，本申请实施例还提供了一种miRNA
‑
癌症关联装置，所述装置包括：
[0015]获取模块，用于分别从包含目标癌症和目标miRNA的各个数据集中，获取与目标癌症满足预设的癌症相似度条件的至少一种候选癌症，以及获取与目标miRNA满足预设的miRNA相似度条件的至少一种候选miRNA；
[0016]生成模块，用于基于各个数据集各自包含的至少一种候选癌症的候选癌症特征，分别获得各个数据集中，目标癌症的癌症子特征，以及基于各个数据集各自包含的至少一种候选miRNA的候选RNA特征，分别获得各个数据集中，目标miRNA的RNA子特征；
[0017]融合模块，用于基于获得的各个癌症子特征和各个RNA子特征，分别得到目标癌症的癌症融合特征和目标miRNA的RNA融合特征；
[0018]关联模块，用于基于癌症融合特征和所述RNA融合特征，获得目标癌症和目标miRNA之间的关联可信度。
[0019]在一种可能的实施例中，在获取与目标癌症满足预设的癌症相似度条件的至少一种候选癌症时，所述获取模块具体用于：
[0020]针对所述各个数据集，分别执行以下操作：
[0021]获取一个数据集中，目标癌症的目标癌症特征和其他原始癌症各自的原始癌症特征；
[0022]基于获得的各个原始癌症特征，各自与目标癌症特征之间的癌症特征相似度，从其他原始癌症中，筛选出满足癌症相似度条件的至少一种候选癌症。
[0023]在一种可能的实施例中，在获取与目标miRNA满足预设的miRNA相似度条件的至少一种候选miRNA时，所述获取模块具体用于：
[0024]针对所述各个数据集，分别执行以下操作：
[0025]获取一个数据集中，目标miRNA的目标RNA特征和其他原始miRNA各自的原始RNA特征；
[0026]基于获得的各个原始RNA特征，各自与目标RNA特征之间的RNA特征相似度，从其他原始miRNA中，筛选出满足miRNA相似度条件的至少一种候选miRNA。
[0027]在一种可能的实现方式中，所述获取模块还用于：
[0028]若各个数据集中，存在候选癌症数量未满足预设的癌症数量阈值的癌症数据集，则基于癌症数据集中，剩余的各种癌症各自与目标癌症之间的关联度，从剩余的各种癌症选取候选癌症，直至候选癌症数量满足癌症数量阈值为止；
[0029]若各个数据集中，存在候选miRNA数量未满足预设的miRNA数量阈值的miRNA数据集，则基于miRNA数据集中，剩余的各种miRNA各自与目标miRNA之间的关联度，从剩余的各种miRNA选取候选miRNA，直至候选miRNA数量满足miRNA数量阈值为止。
[0030]在一种可能的实现方式中，在基于各个数据集各自包含的至少一种候选癌症的候选癌症特征，分别获得各个数据集中，目标癌症的癌症子特征时，所述生成模块具体用于：
[0031]针对所述各个数据集各自包含的目标癌症，分别执行以下操作：
[0032]获取一个数据集中，目标癌症对应的至少一种候选癌症各自的候选癌症特征；
[0033]基于各个候选癌症特征，各自与目标癌症的目标癌症特征之间的癌症特征相似度，获得各个候选癌症特征各自的子特征权重；
[0034]基于各个候选本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种miRNA
‑
癌症关联方法，其特征在于，包括：分别从包含目标癌症和目标miRNA的各个数据集中，获取与所述目标癌症满足预设的癌症相似度条件的至少一种候选癌症，以及获取与所述目标miRNA满足预设的miRNA相似度条件的至少一种候选miRNA；基于所述各个数据集各自包含的至少一种候选癌症的候选癌症特征，分别获得所述各个数据集中，所述目标癌症的癌症子特征，以及基于所述各个数据集各自包含的至少一种候选miRNA的候选RNA特征，分别获得所述各个数据集中，所述目标miRNA的RNA子特征；基于获得的各个癌症子特征和各个RNA子特征，分别得到所述目标癌症的癌症融合特征和所述目标miRNA的RNA融合特征；基于所述癌症融合特征和所述RNA融合特征，获得所述目标癌症和所述目标miRNA之间的关联可信度。2.如权利要求1所述的方法，其特征在于，所述获取与所述目标癌症满足预设的癌症相似度条件的至少一种候选癌症，包括：针对所述各个数据集，分别执行以下操作：获取一个数据集中，所述目标癌症的目标癌症特征和其他原始癌症各自的原始癌症特征；基于获得的各个原始癌症特征，各自与所述目标癌症特征之间的癌症特征相似度，从所述其他原始癌症中，筛选出满足所述癌症相似度条件的至少一种候选癌症。3.如权利要求1所述的方法，其特征在于，所述获取与所述目标miRNA满足预设的miRNA相似度条件的至少一种候选miRNA，包括：针对所述各个数据集，分别执行以下操作：获取一个数据集中，所述目标miRNA的目标RNA特征和其他原始miRNA各自的原始RNA特征；基于获得的各个原始RNA特征，各自与所述目标RNA特征之间的RNA特征相似度，从所述其他原始miRNA中，筛选出满足所述miRNA相似度条件的至少一种候选miRNA。4.如权利要求1所述的方法，其特征在于，所述方法还包括：若所述各个数据集中，存在候选癌症数量未满足预设的癌症数量阈值的癌症数据集，则基于所述癌症数据集中，剩余的各种癌症各自与所述目标癌症之间的关联度，从所述剩余的各种癌症选取候选癌症，直至所述候选癌症数量满足所述癌症数量阈值为止；若所述各个数据集中，存在候选miRNA数量未满足预设的miRNA数量阈值的miRNA数据集，则基于所述miRNA数据集中，剩余的各种miRNA各自与所述目标miRNA之间的关联度，从所述剩余的各种miRNA选取候选miRNA，直至所述候选miRNA数量满足所述miRNA数量阈值为止。5.如权利要求1
‑
4中任一项所述的方法，其特征在于，所述基于所述各个数据集各自包含的至少一种候选癌症的候选癌症特征，分别获得所述各个数据集中，所述目标癌症的癌症子特征，包括：针对所述各个数据集各自包含的目标癌症，分别执行以下操作：获取一个数据集中，所述目标癌症对应的至少一种候选癌症各自的候选癌症特征；基于所述各个候选癌症特征，各自与所述目标癌症的目标癌症特征之间的...

【专利技术属性】
技术研发人员：刘芳，凌国辉，陈孟琪，
申请(专利权)人：天翼云科技有限公司，
类型：发明
国别省市：