【技术实现步骤摘要】
本专利技术属于神经网络模型，公开了一种基于多源相似性融合的疾病关联预测方法(mgamda)。
技术介绍
1、微小非编码rna(microrna,mirna)是一种单链小分子rna，长度约为20-25个核苷酸，由内源性基因编码。mirna与人体的许多重要过程有关，如细胞增殖、分化、免疫和代谢。mirna的非正常表达与很多疾病的发生存在密切关联，例如乳腺癌、淋巴癌、胃癌、口腔癌、结肠癌等等。
2、mirna与疾病的相互作用方式成为研究者从分子水平了解疾病发病机制的一个突破点。与传统的生物方法研究相比，依靠数据模型计算进行预测mirna-疾病关联将会更加的省时省力。现有的mirna-疾病关联预测方法主要分为两类：基于机器学习的方法和基于生物网络的方法，基于生物网络预测方法通过整合多种生物学数据，构建异构网络来预测疾病相关的mirna。这些方法主要基于一个普遍的假设，即具有相似功能的mirna往往与具有相似表型的疾病相关，反之亦然。然而，它们不足以挖掘关联信息。相比之下，机器学习方法倾向于使用mirna和疾病特征来训练监督或半监督分...
【技术保护点】
1.一种基于多源相似性融合的疾病关联预测方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的基于多源相似性融合的疾病关联信息预测方法，其特征在于：步骤1中，miRNA-疾病的关联从HMDD v3.2下载，在去除冗余数据后，选择多种疾病、若干条miRNA以及miRNA-疾病关联数据，构建了miRNA-疾病关联矩阵A，其中A(i,j)＝0表示miRNAmi与疾病dj之间不存在关联，i代表第i个miRNA，即关联矩阵A的第i行，j代表第j个疾病，即关联矩阵A的第j列，A(i,j)＝1表示miRNAmi与疾病dj之间存在关联。
3.根据权...
【技术特征摘要】
1.一种基于多源相似性融合的疾病关联预测方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的基于多源相似性融合的疾病关联信息预测方法，其特征在于：步骤1中，mirna-疾病的关联从hmdd v3.2下载，在去除冗余数据后，选择多种疾病、若干条mirna以及mirna-疾病关联数据，构建了mirna-疾病关联矩阵a，其中a(i,j)＝0表示mirnami与疾病dj之间不存在关联，i代表第i个mirna，即关联矩阵a的第i行，j代表第j个疾病，即关联矩阵a的第j列，a(i,j)＝1表示mirnami与疾病dj之间存在关联。
3.根据权利要求1所述的基于多源相似性融合的疾病关联信息预测方法，其特征在于：步骤2中，获取mirna的功能相似性信息，根据获得的信息构建了mirna的功能相似矩阵并由mf表示。
4.根据权利要求1所述的基于多源相似性融合的疾病关联信息预测方法，其特征在于：步骤3中，计算疾病的语义相似性ds，根据构建的mirna-疾病关联矩阵a，分别计算疾病的gip核相似性dg以及mirna的gip核相似性mg，dn(di)+dn(dj)代表了第i个疾病di与第j个疾病dj的语义贡献值之和，其中t是疾病d及其祖先的集合，t代表第i个疾病di与第j个疾病dj之间具有的相同祖先疾病；代表di的祖先疾病t对疾病di的语义贡献，代表dj的祖先疾病t对疾病dj的语义贡献；疾病d对其祖先d的语义贡献dn计算方式为：t(d)为疾病d与其祖先的节点的集合，dd(d')表示d'自身的语义值，δ表示语义贡献因子并设置为0.5，n代表疾病的种类数量，di'代表di的子节点；
5.根据权利要求1所述的基于多源相似性融合的疾病关联信息预测方法，其特征在于：步骤4中，首先进行数据融合，对mirna的功能相似性mf、mirna的序列相似性ms和mirna的gip核相似性mg进行融合，得到的mirna关联上数据集为：cm＝{mf,ms,mg}；对疾病的语义相似性ds、疾病的gip核相似性dg以及基于靶标的疾病...
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。