一种结合分子网络和样本网络的组学数据分析方法技术

本发明专利技术提出了一种结合分子网络和样本网络的组学数据分析方法，属于组学数据分析技术领域。本发明专利技术从多视角衡量组学数据特征(分子)间的互作用关系，构建分子网络，采用快速‑贪心社团检测算法确定网络模块；利用样本网络的拓扑特性评价模块，从而识别具有区分能力的关键模块；融合多视角获取的关键模块确定含有丰富生物信息的特征子空间，并建立高性能的SVM分类器进行生物组学数据分析，为基因组学、代谢组学和蛋白质组学等组学数据的研究提供切实有效的数据分析手段，具有较强的应用价值。

【技术实现步骤摘要】

本专利技术属于组学数据分析，从多个角度衡量分子(特征)间的协同作用，构建分子网络，并采用快速-贪心社团检测(fast-greedy community detection)算法划分网络模块；利用样本网络的拓扑特性评价模块，选择具有强区分能力的特征子集，是综合运用分子网络和样本网络的组学数据分析方法。

技术介绍

1、随着高通量生物技术的发展，组学数据(如基因组学、转录组学、蛋白质组学和代谢组学数据)的积累呈爆炸式增长。这些数据为理解疾病的发病机制、亚型分类以及预后评估提供了丰富的数据支撑和前所未有的机会。组学数据具有样本量小、维度高、噪声多和信息高度复杂等特点，所以对组学数据进行有效分析和挖掘，对疾病研究、精准医疗等具有重大意义。

2、特征选择是一种常用的组学数据处理方法，旨在从高维复杂的组学数据中识别和提取关键特征，以降低数据维度并提高模型的解释性和预测性能。传统的机器学习特征选择方法包括relief系列、svm-rfe、遗传算法等。然而，这些方法往往只关注单个生物分子本身的区分能力，忽略了生物分子间的相互作用，可能无法充分捕捉这些相互作用所蕴本文档来自技高网...

【技术保护点】

1.一种结合分子网络和样本网络的组学数据分析方法，其特征在于步骤如下：

【技术特征摘要】

1.一种结合分子网络和样本网络的组学...

【专利技术属性】
技术研发人员：林晓惠，孙文丽，张艳慧，李波，姜鹏，韩露，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：