[發明專利]基于改進PSO和ELM的疾病?lncRNA關系預測方法

在審

• 申請號: 201711025609.4
• 申請日: 2017-10-27
• 公開（公告）號: CN107908927A
• 公開（公告）日: 2018-04-13
• 發明（設計）人: 鄭相涵;劉煜;郭文忠;葉少珍
• 申請（專利權）人: 福州大學
• 主分類號: G06F19/12
• 分類號: G06F19/12;G06F19/18
• 代理公司: 福州元創專利商標代理有限公司35100
• 代理人: 蔡學俊,薛金才

1.一種基于改進PSO和ELM的疾病-lncRNA關系預測方法，其特征在于：包括以下步驟：

步驟S1：對lncRNA表達譜進行分析挖掘，根據不同疾病樣本表達譜中lncRNA的表達比，分析相應lncRNA對不同類型疾病發生與發展的影響；

步驟S2：建立一種符合lncRNA表達譜的基因選擇方法；采用信息增益率作為過濾法進行第一次過濾；用二進制粒子群算法作為搜索算法，ML-ELM作為分類學習算法構建LncRNA纏繞法篩選模型；

步驟S3：多次迭代后獲取與疾病發生與發展聯系密切的lncRNA，將研究成果與實際醫學相聯系，驗證實驗結果的實際醫學價值，為未來的醫療做出指導。

2.根據權利要求1所述的基于改進PSO和ELM的疾病-lncRNA關系預測方法，其特征在于：步驟S1包括以下步驟：

對lncRNA表達譜數據進行去雜去噪，以及標準化處理；按照給定的比例分成訓練集、測試集和驗證集；其中訓練集是學習樣本數據集，建立一個分類器，并建立一種分類的方式，用來訓練模型；驗證集用于調整分類器的參數及確定網絡結構或者控制模型復雜程度的參數；測試集用于測試訓練好的模型的分辨能力。

3.根據權利要求2所述的基于改進PSO和ELM的疾病-lncRNA關系預測方法，其特征在于：按照50％，25％，25％的比例分成訓練集、測試集和驗證集。

4.根據權利要求1所述的基于改進PSO和ELM的疾病-lncRNA關系預測方法，其特征在于：步驟S2包括以下步驟：

信息增益率的計算公式如下：

Gain-ratio＝Gain(A)/I

其中Gain(A)按如下規則進行計算:

Gain(S,A)＝E(S)-E(S,A)

E(S)=-Σi=1cpilog2(pi)]]>

E(S,A)=Σv∈Value(A)|Sv||S|E(Sv);]]>

其中A代表一個指定特征，S代表一個樣本數據集，S_v代表S樣本集中特征A等于V的樣本子集；采用信息增益率對每個特征度量值打分；評分越低的基因與類別區分關聯度越低，將評分低于一定閾值的基因作為冗余基因被去除；其他的基因子集則被保留用于下一步的分析或者二次過濾。