miRNA-疾病关联关系预测方法、系统、设备及介质技术方案

本发明专利技术属于生物信息技术领域，为了解决现有的miRNA与疾病的关联关系预测中无法挖掘潜在联系的问题，提出了miRNA‑疾病关联关系预测方法、系统、设备及介质，结合多阶卷积操作得到miRNA低阶特征和疾病低阶特征的拼接特征，结合超图卷积操作得到miRNA高阶特征和疾病高阶特征的拼接特征，将上述两种拼接特征与miRNA‑疾病相互作用特征进行特征融合，通过三种通道获取的特征并融合的方式，能够有效地捕捉相似miRNA和相似疾病之间的关系，并联同miRNA与疾病的关联关系信息进行协同编码，有效提高后续miRNA与疾病关联关系预测的准确性。

【技术实现步骤摘要】

本专利技术属于生物信息，尤其涉及mirna-疾病关联关系预测方法、系统、设备及介质。

技术介绍

1、这里的陈述仅提供与本专利技术相关的
技术介绍
，而不必然地构成现有技术。

2、micro-rna，简写为mirna，是一段非编码的单链rna，长度通常由20到24个核苷酸组成，其在细胞内具有多种重要的调节作用，并且其还与多种疾病包括癌症等健康问题相关联。因此，探索某mirna与某疾病之间是否关联对于更全面地了解该mirna的调节机制以及该疾病病理的复杂机制是至关重要的。

3、mirna与疾病的关联关系（mda，mirna-diease association）可以通过实验的方法准确鉴定。实验方法包括定量实时聚合酶链式反应(pcr)、光活化核糖核苷增强的交联免疫沉淀（par-clip）和单核苷酸分辨率的紫外交联免疫沉淀（iclip）等。这些方法都是非常耗时且昂贵的。

4、除了可以准确鉴定mdas的实验方法，还有基于特征的计算方法可以对mdas进行预测，并且也能达到良好的效果。基于特征的计算方法分为两种，基于机器学习的方法和基于深本文档来自技高网...

【技术保护点】

1.miRNA-疾病关联关系预测方法，其特征在于，所述方法包括以下步骤：

2.如权利要求1所述的miRNA-疾病关联关系预测方法，其特征在于，所述疾病的相似度包括疾病的高斯相似度和疾病的语义相似度；所述miRNA的相似度包括miRNA的序列相似性、miRNA的功能相似性和miRNA的高斯相似性。

3.如权利要求2所述的miRNA-疾病关联关系预测方法，其特征在于，所述miRNA低阶特征的提取，具体为：

4.如权利要求1所述的miRNA-疾病关联关系预测方法，其特征在于，所述miRNA高阶特征和所述疾病高阶特征的特征提取，具体为：p>

5.如权利...

【技术特征摘要】

1.mirna-疾病关联关系预测方法，其特征在于，所述方法包括以下步骤：

2.如权利要求1所述的mirna-疾病关联关系预测方法，其特征在于，所述疾病的相似度包括疾病的高斯相似度和疾病的语义相似度；所述mirna的相似度包括mirna的序列相似性、mirna的功能相似性和mirna的高斯相似性。

3.如权利要求2所述的mirna-疾病关联关系预测方法，其特征在于，所述mirna低阶特征的提取，具体为：

4.如权利要求1所述的mirna-疾病关联关系预测方法，其特征在于，所述mirna高阶特征和所述疾病高阶特征的特征提取，具体为：

5.如权利要求2所述的mirna-疾病关联关系预测方法，其特征在于，所述疾病的语义相似度的计算，具体为：

6.如权利要求1所述的mirna-疾病关联关系预测方法，其特征在于，在mirna-疾病二部图中，分别提取每个mirna节点所有的疾病邻居，以及每个疾病节点所有的mirna邻居；分别根据所述疾病的相似度，以及mirna的序列相似性和mirna的高斯相似性，计算mirna节点和疾病节点的邻居平均相似度。<...

【专利技术属性】
技术研发人员：柳军涛，祝延浩，
申请(专利权)人：山东大学，
类型：发明
国别省市：