【技术实现步骤摘要】
蛋白质和疾病关联关系的确定方法、装置、设备及介质
[0001]本专利技术涉及人工智能和医疗健康
,尤其涉及一种蛋白质和疾病关联关系的确定方法、装置、设备及介质。
技术实现思路
[0002]基于此,有必要针对现有技术的基于神经网络训练得到的模型预测的蛋白质和疾病的关联关系的准确性不高技术问题,提出了一种蛋白质和疾病关联关系的确定方法、装置、设备及介质。
[0003]第一方面,提供了一种蛋白质和疾病关联关系的确定方法,所述方法包括:
[0004]获取已知蛋白质与疾病关联关系矩阵、疾病相似性矩阵和蛋白质相互作用关系矩阵,其中,所述已知蛋白质与疾病关联关系矩阵是蛋白质与疾病之间的关联关系的矩阵,所述疾病相似性矩阵是疾病与疾病之间的相似性的矩阵,所述蛋白质相互作用关系矩阵是蛋白质与蛋白质之间的相互作用关系的矩阵;
[0005]根据所述已知蛋白质与疾病关联关系矩阵、所述疾病相似性矩阵和所述蛋白质相互作用关系矩阵进行蛋白质与疾病之间的关联关系的预测,得到目标蛋白质与疾病关联关系矩阵。
[0006]第二方面,提供了一种蛋白质和疾病关联关系的确定装置,所述装置包括:
[0007]数据获取模块,用于获取已知蛋白质与疾病关联关系矩阵、疾病相似性矩阵和蛋白质相互作用关系矩阵,其中,所述已知蛋白质与疾病关联关系矩阵是蛋白质与疾病之间的关联关系的矩阵,所述疾病相似性矩阵是疾病与疾病之间的相似性的矩阵,所述蛋白质相互作用关系矩阵是蛋白质与蛋白质之间的相互作用关系的矩阵;
[0008]预测模块, ...
【技术保护点】
【技术特征摘要】
1.一种蛋白质和疾病关联关系的确定方法,所述方法包括:获取已知蛋白质与疾病关联关系矩阵、疾病相似性矩阵和蛋白质相互作用关系矩阵,其中,所述已知蛋白质与疾病关联关系矩阵是蛋白质与疾病之间的关联关系的矩阵,所述疾病相似性矩阵是疾病与疾病之间的相似性的矩阵,所述蛋白质相互作用关系矩阵是蛋白质与蛋白质之间的相互作用关系的矩阵;根据所述已知蛋白质与疾病关联关系矩阵、所述疾病相似性矩阵和所述蛋白质相互作用关系矩阵进行蛋白质与疾病之间的关联关系的预测,得到目标蛋白质与疾病关联关系矩阵。2.根据权利要求1所述的蛋白质和疾病关联关系的确定方法,其特征在于,所述根据所述已知蛋白质与疾病关联关系矩阵、所述疾病相似性矩阵和所述蛋白质相互作用关系矩阵进行蛋白质与疾病之间的关联关系的预测,得到目标蛋白质与疾病关联关系矩阵的步骤,包括:基于标签传播方法,根据所述蛋白质相互作用关系矩阵,对所述已知蛋白质与疾病关联关系矩阵进行更新,得到第一矩阵;基于所述标签传播方法,根据所述疾病相似性矩阵,对所述已知蛋白质与疾病关联关系矩阵进行更新,得到第二矩阵;根据所述第一矩阵和所述第二矩阵进行蛋白质与疾病之间的关联关系的预测,得到所述目标蛋白质与疾病关联关系矩阵。3.根据权利要求2所述的蛋白质和疾病关联关系的确定方法,其特征在于,所述基于标签传播方法,根据所述蛋白质相互作用关系矩阵,对所述已知蛋白质与疾病关联关系矩阵进行更新,得到第一矩阵的步骤,包括:对所述蛋白质相互作用关系矩阵进行标准化计算,得到蛋白质标准化相互作用关系矩阵;基于所述标签传播方法,根据所述蛋白质标准化相互作用关系矩阵,对所述已知蛋白质与疾病关联关系矩阵进行更新,得到所述第一矩阵;其中,所述蛋白质标准化相互作用关系矩阵中的第i行第j列的计算公式PP
*
(i,j)表述为:Q是所述蛋白质相互作用关系矩阵中的蛋白质的数量,PP(i,j)是所述蛋白质相互作用关系矩阵中的第i行第j列的元素。4.根据权利要求3所述的蛋白质和疾病关联关系的确定方法,其特征在于,第t+1次迭代之后的第一迭代矩阵的计算公式A
Q
(t+1)表示为:A
Q
(t+1)=α*PP*A
Q
(t)+(1
‑
α)PD其中,t表示迭代次数,A
Q
(t)表示第t次迭代之后的所述第一迭代矩阵,PD是所述已知蛋白质与疾病关联关系矩阵,在t为0时A
Q
(0)等于所述已知蛋白质与疾病关联关系矩阵,α是0
‑
1之间的小数,α是一个可调整的超参,PP
*
是所述蛋白质标准化相互作用关系矩阵;不断迭代计算所述第一迭代矩阵,直至|A
Q
(t+1)
‑
A
Q
(t)|<μ,将A
Q
(t+1)对应的所述第一
迭代矩阵作为所述第一矩阵,其中,μ是一个预设常量,|A
Q
(t+1)
‑
A
Q
(t)|是计算A
Q
(t+1)
‑
A
Q
(t)的绝对值。5.根据权利要求2所述的蛋白质和疾病关联关系的确定方法,其特征在于,所述基于所述标签传播方法,根...
【专利技术属性】
技术研发人员:刘小双,
申请(专利权)人:平安科技深圳有限公司,
类型:发明
国别省市:
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。