一种基于尺度图卷积网络与特征卷积的circRNA-疾病关联预测方法技术

本发明专利技术公开了一种基于尺度图卷积网络与特征卷积的circRNA‑疾病关联预测方法SGFCCDA，包括以下步骤：首先，SGFCCDA分别融合circRNA和疾病的多种相似性，生成相似性网络，并结合关联网络构造circRNA‑疾病异构网络；其次，为了从异构网络中捕获拓扑信息和节点特征，SGFCCDA引入尺度图卷积网络；为了更充分地学习节点的高级特征表示，SGFCCDA应用卷积神经网络，探索更加丰富的节点信息；最后，通过哈达玛乘积有效组合circRNA特征与疾病特征，并通过多层感知器实现circRNA‑疾病关联预测。本发明专利技术针对circRNA和疾病提取的深层特征信息，不仅包含网络的拓扑结构信息，而且对节点自身以及节点之间的属性信息进行充分探索，实现了更加准确的circRNA‑疾病关联预测。

【技术实现步骤摘要】

本专利技术涉及智能计算与数据挖掘领域，特别涉及一种基于尺度图卷积网络与特征卷积的circrna-疾病关联预测方法。

技术介绍

1、环状rna（circrna）是一种具有闭合环状结构的非编码rna，其独特的序列结构使其具有更加稳定的表达模式。circrna在自然界的多种生物体中都有存在，例如哺乳动物、植物和果蝇等。circrna的异常表达对于细胞的增殖和代谢有着至关重要的影响，与癌症、糖尿病、神经系统疾病等人类复杂疾病的发生和发展存在着不可分割的联系。因此，识别与疾病相关的circrna有助于揭示疾病发生发展的机制，进一步促进对人类复杂疾病的认识。

2、通过传统的湿实验识别疾病相关的circrna，研究成本高且耗费时间长。目前已经开发了多种计算模型有效地识别circrna和疾病之间的潜在关联。现有的方法大致可以分为以下两类：基于传统计算方法的模型和基于图神经网络算法的模型。

3、基于传统计算方法的模型主要是通过矩阵分解或训练分类器实现circrna-疾病关联的预测。wei等人提出了icircda-mf模型，利用邻居互作谱对假阴性关联进本文档来自技高网...

【技术保护点】

1.一种基于尺度图卷积网络与特征卷积的circRNA-疾病关联预测方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的基于尺度图卷积网络与特征卷积的circRNA-疾病关联预测方法，其特征在于，步骤1中所述通道级别的尺度变换图卷积网络是将异构网络作为输入，通过通道级别的尺度变换策略，经过多层尺度图卷积网络层，更新circRNA节点和疾病节点的特征，具体步骤如下：

3.根据权利要求1所述的基于尺度图卷积网络与特征卷积的circRNA-疾病关联预测方法，其特征在于，步骤2中所述特征卷积学习策略，将尺度变换图卷积网络得到的特征表示堆叠，分别对堆叠后的circ...

【技术特征摘要】

1.一种基于尺度图卷积网络与特征卷积的circrna-疾病关联预测方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的基于尺度图卷积网络与特征卷积的circrna-疾病关联预测方法，其特征在于，步骤1中所述通道级别的尺度变换图卷积网络是将异构网络作为输入，通过通道级别的尺度变换策略，经过多层尺度图卷积网络层，更新c...

【专利技术属性】
技术研发人员：孙燕，何鑫，尚军亮，孟祥涵，张力敏，李凤，刘金星，
申请(专利权)人：曲阜师范大学，
类型：发明
国别省市：