[發明專利]采用雙隨機游走預測疾病相關代謝物的方法

在審

• 申請號: 201910854180.2
• 申請日: 2019-09-10
• 公開（公告）號: CN110610765A
• 公開（公告）日: 2019-12-24
• 發明（設計）人: 雷秀娟;帖嬌嬌;趙杰
• 申請（專利權）人: 陜西師范大學
• 主分類號: G16H50/50
• 分類號: G16H50/50;G16H50/70;G16H70/00
• 代理公司: 61200 西安通大專利代理有限責任公司
• 代理人: 朱海臨

本發明公開了一種采用雙隨機游走預測疾病相關代謝物的方法，首先利用疾病的語義信息計算疾病的語義相似性，根據疾病和代謝物的關系計算代謝物的功能相似性；其次根據已知的代謝物?疾病之間的關系分別計算疾病和代謝物的高斯核作用譜相似性；再次將疾病語義相似性和疾病的高斯核作用譜相似性構建為最終的疾病相似性網絡，將代謝物功能相似性和代謝物的高斯作用譜相似性構建為最終的代謝物相似性網絡；最后，將疾病相似性、代謝物相似性和已知的代謝物?疾病關系網絡構建為一個二部異構網絡，在這個異構網中利用雙隨機游走方法預測疾病相關的代謝物。經過試驗驗證，本發明方法能夠有預測疾病相關的代謝物，為生物實驗提供依據，并且提高疾病的診斷和治療水平。

技術領域

本發明屬于生物信息領域，具體涉及一種采用雙隨機游走預測疾病相關代謝物的方法。

背景技術

代謝產物是細胞調節過程的最終產物，通常被認為是生物系統對遺傳或環境變化的最終反應。代謝物在生物體的維持、生長和繁殖中起著重要的作用，代謝物水平可以直接反映人體的生理狀態，已經有充分的證據表明疾病總是伴隨著代謝物的變化。因此，識別異常識別疾病相關代謝物不僅對提高臨床診斷水平，而且對更好地理解代謝病理過程具有重要意義。

隨著分子技術的發展，越來越多的研究者被代謝物所吸引。目前大多采用的是基于實驗的方法來發現疾病相關的代謝物，比如，采用質譜聯用技術研究多發性硬化癥腦脊液生物標志物，采用差異光譜和定量分析研究了阿爾茨海默病患者腦內代謝物的含量，還有的研究者整合代謝組學和轉錄組數據來識別2型糖尿病的生物標志物。很少有通過計算模型對代謝物和疾病之間的關系預測的方法，有研究者構建了代謝物對所有相似性的加權關聯網絡，利用使用RWR方法去預測疾病相關的代謝標志物，其首先通過計算疾病對的相似性，然后基于代謝物和疾病的關系計算出代謝物的功能相似性，最后使用RWR對疾病相關的代謝物進行預測。RWR基于的思想是有較高相似性的代謝物極有可能與同一種疾病相關，其主要是在代謝網絡上進行游走，不能充分結合代謝網絡、疾病網絡和疾病代謝物關聯網絡的信息，不能預測沒有已知關系的疾病相關代謝物。雖然已經取得了一些成就但是結果還不足以為生物實驗進行指導。

鑒于代謝物和疾病關系預測越來越高的關注以及于預測結果的待一步提高，迫切的需要充分利用已有的生物信息，提出更加有效的預測模型，為后續的研究和生物實驗提供比較準確地依據。

發明內容

為了克服上述現有技術的缺點，本發明的目的在于提供一種采用雙隨機游走預測疾病相關代謝物的方法，本發明能夠較準確地預測代謝物和疾病的關系，為生物實驗提供指導避免大量人力物力的消耗。

為了達到上述目的，本發明采用以下技術方案予以實現：

一種采用雙隨機游走預測疾病相關代謝物的方法，包括以下步驟：

1、將已知的疾病代謝物關系轉化為鄰接矩陣

定義X＝{m₁，m₂，…，m_T}為代謝物的集合，Y＝{d₁，d₂，…，d_N}為疾病的集合，T和N分別表示代謝物的總數目和疾病的總數目。用T×N的鄰接矩陣A來表示各代謝物和疾病是否存在已知的關系，如果代謝物m_i和疾病d_j存在已知關系，則A_ij＝1，否則A_ij＝0；

2、構建疾病相似性網絡

根據MESH數據庫對疾病建立的范疇表，各個疾病之間的關系可以表示為分層的有向無環圖(DAG)，對于疾病d_i，通過疾病術語的祖先的層次信息，按照公式(1)計算疾病d_i的DAG中每個疾病術語的語義值：