[發(fā)明專(zhuān)利]基于多源信息融合的疾病潛在關(guān)聯(lián)基因的獲取方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201210309375.7
• 申請(qǐng)日: 2012-08-28
• 公開(kāi)（公告）號(hào): CN102855398A
• 公開(kāi)（公告）日: 2013-01-02
• 發(fā)明（設(shè)計(jì)）人: 高一波;陳迪;盧朋;陳琳;劉西;代文;宋江龍;溫偉娜
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)科學(xué)院自動(dòng)化研究所
• 主分類(lèi)號(hào): G06F19/00
• 分類(lèi)號(hào): G06F19/00
• 代理公司: 中科專(zhuān)利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 宋焰琴

技術(shù)領(lǐng)域

本發(fā)明涉及生物信息學(xué)領(lǐng)域，特別涉及利用計(jì)算機(jī)技術(shù)預(yù)測(cè)疾病潛在關(guān)聯(lián)基因領(lǐng)域。

背景技術(shù)

目前，隨著生物技術(shù)、計(jì)算機(jī)技術(shù)及高通量技術(shù)的發(fā)展，各個(gè)領(lǐng)域積累了疾病相關(guān)的大量文獻(xiàn)和數(shù)據(jù)，面對(duì)這些數(shù)據(jù)，需要采用有效方法從這些數(shù)據(jù)中找到最有意義的部分，預(yù)測(cè)疾病相關(guān)的基因，從而用于幫助疾病的治療。深入挖掘復(fù)雜疾病的關(guān)聯(lián)基因成為一項(xiàng)在疾病相關(guān)研究中的重要挑戰(zhàn)，對(duì)于臨床診治具有重要的指導(dǎo)意義，而且大量已有研究表明如果能深入挖掘疾病關(guān)聯(lián)基因潛在的知識(shí)，對(duì)于揭示疾病發(fā)病機(jī)理和生物學(xué)基礎(chǔ)，對(duì)于促進(jìn)診斷和防治疾病的手段，都將產(chǎn)生十分重要的理論和現(xiàn)實(shí)意義。

有關(guān)疾病關(guān)聯(lián)基因的預(yù)測(cè)方法多種多樣，本發(fā)明所涉及的主要有以下三個(gè)方面內(nèi)容：一是生物網(wǎng)絡(luò)技術(shù)。復(fù)雜疾病一般是由多個(gè)遺傳基因及環(huán)境因素共同交互作用而發(fā)生發(fā)展的，并且生物實(shí)體之間(如表型與基因型)沒(méi)有簡(jiǎn)單對(duì)應(yīng)關(guān)系，而是由多基因、多因素等共同作用的結(jié)果。因此，生物網(wǎng)絡(luò)作為這種復(fù)雜關(guān)系的有效表達(dá)方式，越來(lái)越受到領(lǐng)域重視。目前，國(guó)內(nèi)外均已開(kāi)展了大量針對(duì)生物網(wǎng)絡(luò)數(shù)據(jù)的研究工作，盡管生物網(wǎng)絡(luò)在生物信息挖掘中具有重要的作用，但是生物網(wǎng)絡(luò)沒(méi)有方向性，沒(méi)有語(yǔ)義性，在信息獲取和信息挖掘中有著一定的制約。如何建立對(duì)于復(fù)雜疾病研究更有效的生物網(wǎng)絡(luò)還需要進(jìn)一步的努力。二是關(guān)聯(lián)基因預(yù)測(cè)。近年來(lái)關(guān)于基因功能、基因和疾病關(guān)系的生物醫(yī)學(xué)文獻(xiàn)大量涌現(xiàn)，為了能夠充分利用已有的研究成果，節(jié)省人力物力，需要將文獻(xiàn)、文本中的生物學(xué)知識(shí)抽取出來(lái)提供給研究人員，幫助他們預(yù)測(cè)基因或疾病，加快相關(guān)研究的進(jìn)展。這方面的研究最早追溯到1986年，芝加哥大學(xué)教授Swanson曾提出“基于非相關(guān)文獻(xiàn)發(fā)現(xiàn)”的方法，具體思想被描述為典型的形式是ABC模式。Seki等人采用Swanson的ABC模式，構(gòu)建了疾病-基因網(wǎng)絡(luò)，逐層計(jì)算傳遞概率，從而評(píng)價(jià)基因與目標(biāo)疾病的相關(guān)性，將相關(guān)性高的未知相關(guān)基因識(shí)別為潛在的與目標(biāo)疾病相關(guān)的基因。Lina等人提出一種基于聯(lián)合網(wǎng)絡(luò)拓?fù)涮卣鞯耐诰蛩惴▉?lái)預(yù)測(cè)潛在的與目標(biāo)疾病相關(guān)的基因，定義了四種網(wǎng)絡(luò)拓?fù)涮卣鱽?lái)描述基因網(wǎng)絡(luò)，結(jié)合這些拓?fù)涮卣魍ㄟ^(guò)訓(xùn)練支持向量機(jī)來(lái)甄選潛在的相關(guān)基因。吳雪兵等人則假設(shè)功能上相似的基因可能引起表型上相似的疾病，對(duì)基因和疾病表型間的關(guān)系直接建模，利用得到的模型結(jié)果預(yù)測(cè)與癥狀相關(guān)的新致病基因或發(fā)現(xiàn)基因間的協(xié)作關(guān)系。趙研等人基于基因功能一致性和其在蛋白質(zhì)互作網(wǎng)絡(luò)中的拓?fù)鋵傩詫?duì)疾病與基因進(jìn)行關(guān)聯(lián)，預(yù)測(cè)出了51個(gè)新的疾病致病基因。三是多源信息融合方法?；蚪M數(shù)據(jù)量龐大，疾病基因之間的關(guān)系復(fù)雜，不同的預(yù)測(cè)方法實(shí)現(xiàn)的結(jié)果并非完全相同，每個(gè)方法相應(yīng)的結(jié)果都有一定的意義，為了更好地對(duì)關(guān)聯(lián)基因進(jìn)行預(yù)測(cè)，不僅需要更好的疾病潛在基因獲取的方法，更應(yīng)該關(guān)心如何融合不同的有效方法來(lái)更精確地預(yù)測(cè)疾病潛在關(guān)聯(lián)基因。D-S證據(jù)理論是由Dempster于1986年提出，并由他的學(xué)生Sharer于1971年改進(jìn)使之符合有限離散領(lǐng)域中的推理形式。它是一種決策理論，不但能夠處理由于知識(shí)的不準(zhǔn)確引起的不確定信息，而且能夠處理由于不知道引起的不確定信息，它能滿足比貝葉斯理論更弱的公理系統(tǒng)，當(dāng)概率值已知時(shí)，證據(jù)理論就變成了貝葉斯理論。該理論引入信任函數(shù)、似然函數(shù)及類(lèi)概率函數(shù)等來(lái)分別描述命題的精確信任度、不可駁斥的信任度及估計(jì)信任度，從而使D-S理論不僅能從不同角度刻畫(huà)命題的不確定性，還能處理由于“不知道”而引起的不確定性，即它既能將未知事件明白的表示出來(lái)，也能描述事件及其補(bǔ)，使其主觀概率之和為1，因而克服了純概率論模型“不知道”處理的不合理性。

發(fā)明內(nèi)容

(一)要解決的技術(shù)問(wèn)題

本發(fā)明的目的在于提出一種基于多源信息融合的疾病潛在關(guān)聯(lián)基因的獲取方法，融合基于非相關(guān)文獻(xiàn)知識(shí)發(fā)現(xiàn)算法的疾病關(guān)聯(lián)基因預(yù)測(cè)方法、基于基因功能相似度算法的疾病關(guān)聯(lián)基因預(yù)測(cè)方法和基于回歸預(yù)測(cè)模型算法的疾病關(guān)聯(lián)基因預(yù)測(cè)方法，從全局上預(yù)測(cè)潛在的關(guān)聯(lián)基因，為疾病關(guān)聯(lián)基因獲取提供最佳結(jié)果。

(二)技術(shù)方案

為了解決上述技術(shù)問(wèn)題，本發(fā)明提供了一種基于多源信息融合的疾病潛在關(guān)聯(lián)基因獲取方法，該方法包括：

步驟1：基于非相關(guān)文獻(xiàn)知識(shí)發(fā)現(xiàn)算法的疾病關(guān)聯(lián)基因預(yù)測(cè)步驟，獲取第一關(guān)聯(lián)基因集合；

步驟2：基于功能相似性算法的疾病關(guān)聯(lián)基因預(yù)測(cè)步驟，獲取第二關(guān)聯(lián)基因集合；

步驟3：基于回歸預(yù)測(cè)模型算法的疾病關(guān)聯(lián)基因預(yù)測(cè)步驟，獲取第三關(guān)聯(lián)基因集合；