一种最小化截断制造技术

本发明专利技术提供了一种最小化截断

【技术实现步骤摘要】
一种最小化截断schatten
‑
p范数的小分子
‑
miRNA相互作用预测方法


[0001]本专利技术涉及小分子
‑
miRNA
相互作用预测
，具体涉及一种最小化截断
schatten
‑
p
范数的小分子
‑
miRNA
相互作用预测方法
。

技术介绍

[0002]大量生物学研究表明，
miRNA
在复杂的基因表达调控中发挥关键作用，对各种细胞过程产生重大影响
。
此外，它们参与各种疾病，如癌症
、
免疫系统疾病
、
神经系统疾病和传染病，突出了它们作为疾病发病机制关键参与者的新意义
。
越来越多的研究表明，许多现有药物可以直接靶向
miRNA
来治疗疾病或显著改变对现有药物的耐药性
。
这一发现具有重要的现实意义，因为它可以节省药物开发的时间
、
资源和人力成本，同时缩短药物开发应用周期
。
然而，使用生物学实验来验证小分子和
miRNA
之间的关联信息是乏味和昂贵的
。
因此，开发高效实用的计算方法来预测小分子
‑
miRNA
的相关性是至关重要的
。
目前基于计算模型的小分子
‑
miRNA
相互作用预测方法并不能充分捕捉
SM/miRNA
的相似性
。
矩阵补全是一种有效的关联预测方法，但现有模型使用核范数代替秩函数，存在一定的缺陷
。

技术实现思路

[0003]本专利技术的目的是为了解决上述小分子
‑
miRNA
相互作用预测领域所存在的困难，提供一种最小化截断
schatten
‑
p
范数的小分子
‑
miRNA
相互作用预测方法，整合小分子和
miRNA
的多源数据，帮助科研工作者进行高效的预测
。
本专利技术的技术方案如下：
[0004]A、
基于已知的小分子
‑
miRNA
关联矩阵利用高斯核计算小分子和
miRNA
的高斯相互作用轮廓核相似性，基于
miRNA
的功能一致相似性和疾病表型相似性进行预处理
。
基于小分子的副作用相似性
、
化学结构相似性
、
疾病表型相似性和功能一致相似性进行预处理
。
[0005]B、
基于加权平均策略，将不同的小分子相似性和
miRNA
相似性分别集成到小分子和
miRNA
的综合相似性中
。
[0006]C、
基于小分子的综合相似性
、miRNA
的综合相似性
、
已知的小分子
‑
miRNA
关联构建小分子
‑
miRNA
异构网络，基于小分子
‑
miRNA
异构网络定义目标矩阵
。
[0007]D、
基于最小化截断
schatten
‑
p
范数模型目标函数
。
[0008]E、
基于交替方向乘子法的迭代算法框架
。
[0009]2、
根据权利要求1所述的基于已知的小分子
‑
miRNA
关联矩阵利用高斯核计算小分子和
miRNA
的高斯相互作用轮廓核相似性，基于
miRNA
的功能一致相似性和疾病表型相似性进行预处理
。
基于小分子的副作用相似性
、
化学结构相似性
、
疾病表型相似性和功能一致相似性进行预处理
。
本专利技术使用从
SM2miR
中下载的已知小分子
‑
miRNA
关联数据计算小分子和
miRNA
的高斯相互作用轮廓核相似性
。
在
SM2miR
，
DrugBank and PubChem
数据库中收集小分子数据
。
在
SM2miR,HMDD,miR2Disease and PhenomiR
数据库中收集
miRNA
数据
。
使用不同的计算方法来获取小分子和
miRNA
的多源相似性
。
[0010]3、
根据权利要求1所述的基于加权平均策略，将不同的小分子相似性和
miRNA
相似性分别集成到小分子和
miRNA
的综合相似性中
。
使用加权平均策略，减少了使用单一相似度度量相关的潜在偏差，保证了不同相似性对综合相似性具有相同的贡献
。
[0011]4、
根据权利要求1所述的基于小分子的综合相似性
、miRNA
的综合相似性
、
已知的小分子
‑
miRNA
关联构建小分子
‑
miRNA
异构网络，基于小分子
‑
miRNA
异构网络定义目标矩阵
。
将小分子
miRNA
关联矩阵，小分子综合相似性矩阵，小分子
miRNA
关联矩阵的转置以及
miRNA
综合相似性矩阵进行拼接得到最终的小分子
–
miRNA
异构网络定义的目标矩阵
。
[0012]5、
根据权利要求1所述的基于最小化截断
schatten
‑
p
范数模型目标函数
。
本专利技术设计了一种最小化截断
schatten
‑
p
范数的矩阵补全方法，包含目标矩阵的截断
schatten
‑
p
范数和正则化项
。
利用最小化截断
schatten
‑
p
范数来补全小分子
‑
miRNA
关联矩阵的缺失值，采用正则化项去除矩阵中的潜在噪声
。
此外我们将求解的所有矩阵元素值都限制在0‑1的范围内，保证数据的有效性和可解释性
。
[0013]6、
根据权利要求1所述的基于交替方向乘子法的迭代算法框架
。
本专利技术使用基于交替方向乘子法的迭代算法进行优化，交替更新多个矩阵，直到收敛
。
该算法是对偶上升算法和增广拉格朗日算法的结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种最小化截断
schatten
‑
p
范数的小分子
‑
miRNA
相互作用预测方法，包括以下部分：
A、
基于已知的小分子
‑
miRNA
关联矩阵利用高斯核计算小分子和
miRNA
的高斯相互作用轮廓核相似性，基于
miRNA
的功能一致相似性和疾病表型相似性进行预处理
。
基于小分子的副作用相似性
、
化学结构相似性
、
疾病表型相似性和功能一致相似性进行预处理
。B、
基于加权平均策略，将不同的小分子相似性和
miRNA
相似性分别集成到小分子和
miRNA
的综合相似性中
。C、
基于小分子的综合相似性
、miRNA
的综合相似性
、
已知的小分子
‑
miRNA
关联构建小分子
‑
miRNA
异构网络，基于小分子
‑
miRNA
异构网络定义目标矩阵
。D、
基于最小化截断
schatten
‑
p
范数模型目标函数
。E、
基于交替方向乘子法的迭代算法框架
。2.
根据权利要求1所述的基于已知的小分子
‑
miRNA
关联矩阵利用高斯核计算小分子和
miRNA
的高斯相互作用轮廓核相似性，基于
miRNA
的功能一致相似性和疾病表型相似性进行预处理
。
基于小分子的副作用相似性
、
化学结构相似性
、
疾病表型相似性和功能一致相似性进行预处理
。
本发明使用从
SM2miR
中下载的已知小分子
‑
miRNA
关联数据计算小分子和
miRNA
的高斯相互作用轮廓核相似性
。
在
SM2miR
，
DrugBank and PubChem
数据库中收集小分子数据
。
在
SM2miR,HMDD,miR2Di...

【专利技术属性】
技术研发人员：王淑栋，刘体耀，任传儒，赵志远，李恒霄，丁恒韬，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：