[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

技術領域

本發明基因芯片數據分析領域，具體涉及一種基于改進PSO和ELM的疾病-lncRNA關系 預測方法。

背景技術

長鏈非編碼RNA(long non-coding RNA，lncRNA)是一類轉錄本長度超過200nt、不編碼 蛋白的RNA。lncRNA起初被認為是基因組轉錄的“噪音”，不具有生物學功能。然而，近年 來的研究表明LncRNA能在表觀遺傳、轉錄及轉錄后水平上調控基因表達，參與了X染色體沉 默、基因組印記以及染色質修飾、轉錄激活、轉錄干擾、核內運輸等多種重要的調控過程，與 人類疾病的發生、發展和防治都有著密切聯系,尤其在惡性腫瘤的發生發展過程中扮演著重要角 色。隨著基因芯片技術與高通量技術的飛速發展，LncRNA的研究作為RNA研究的新領域，已 經成為一個新的研究熱點。

已有的研究表明，在已發現的海量lncRNA中，部分lncRNA特異性的表達與多種疾病的發 生發展有密切關系。失調的lncRNA可能通過多種途徑調節DNA甲基化、組蛋白修飾、染色質 重塑和作為miRNA前體等方式，在多個層面對疾病進行調控。

越來越多的證據進一步表明，一些lncRNA與各種復雜的人類疾病發展有重大的影響，如 前列腺癌，阿爾茨海默病(AD)，心血管疾病，白血病，糖尿病、艾滋病、神經退行性疾病等。 這些lncRNA可以被作為潛在的疾病復發生物標志物。在海量lncRNA中精確定位疾病關鍵 lncRNA，不僅能加深人類對生命系統復雜和網絡的理解和認識，也為疾病研究和治療提供新的 視角。因此，與疾病密切相關的lncRNA的智能發現，已經成為當前生物信息學領域的重要方 向；從海量基因表達數據準確預測疾病關鍵lncRNA，對現代生命科學具有重大的意義。

發明內容

本發明的目的在于，提出一種基于改進PSO和ELM的疾病-lncRNA關系預測方法，能根 據基因表達數據，精確高效地預測出與疾病發生與發展密切相關的LncRNA。

為實現上述目的，本發明采用以下技術方案：一種基于改進PSO和ELM的疾病-lncRNA 關系預測方法，其包括以下步驟：步驟S1：對lncRNA表達譜進行分析挖掘，根據不同癌疾病 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。

在本發明一實施例中，步驟S1包括以下步驟：LncRNA表達譜數據預對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。

在本發明一實施例中，按照50％，25％，25％的比例分成訓練集、測試集和驗證集。

在本發明一實施例中，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)

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。

在本發明一實施例中，步驟S3包括以下步驟：步驟S31：過濾后的LncRNA集合組成了 BPSO模型的搜索空間，這個LncRNA子集尋找的空間里，隨機初始化微粒群體的速度與位置， 找到待選基因子集；步驟S32：依照ML-ELM分類裝置返回的精度點評各個微粒，即各個LncRNA 子集的適應值，根據微粒自身的個體最優解與群體最優解不斷調節微粒的位置與速度,產生新一 代粒子群；步驟S33：到達預定迭代次數，或者分類器達到指定精度，則得到最終的關鍵LncRNA 子集并測試其準確率，否則回到步驟S32。