[發(fā)明專利]基于網(wǎng)絡(luò)表示學(xué)習(xí)的計(jì)算疾病相似度系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011035456.3
• 申請(qǐng)日: 2020-09-27
• 公開（公告）號(hào): CN112151184B
• 公開（公告）日: 2021-05-07
• 發(fā)明（設(shè)計(jì)）人: 李洋;汪國華;王柯淇
• 申請(qǐng)（專利權(quán)）人: 東北林業(yè)大學(xué)
• 主分類號(hào): G16H50/70
• 分類號(hào): G16H50/70;G06K9/62
• 代理公司: 哈爾濱市松花江專利商標(biāo)事務(wù)所 23109
• 代理人: 時(shí)起磊

1.基于網(wǎng)絡(luò)表示學(xué)習(xí)的計(jì)算疾病相似度系統(tǒng)，其特征在于所述系統(tǒng)包括：

DisGeNet數(shù)據(jù)集、GeneOntlogy數(shù)據(jù)集、HumanNet網(wǎng)絡(luò)、信息融合模塊、網(wǎng)絡(luò)嵌入模塊、疾病相似度計(jì)算模塊；

所述DisGeNet數(shù)據(jù)集用于存儲(chǔ)基因和疾病之間的關(guān)系；

所述GeneOntlogy數(shù)據(jù)集用于存儲(chǔ)Go_term之間的關(guān)系以及Go_term和基因之間的關(guān)系；

所述HumanNet網(wǎng)絡(luò)用于存儲(chǔ)基因之間的關(guān)系；

所述信息融合模塊，用于將基因相似度矩陣進(jìn)行拉普拉斯平滑得到矩陣R，利用矩陣R計(jì)算兩個(gè)Go_term注釋的基因集之間相似度，利用Go_term注釋的基因集之間相似度計(jì)算兩個(gè)Go_term之間的相似度，利用兩個(gè)Go_term之間的相似度獲得基因之間的相似度，其具體過程為：

步驟二一、將HumanNet網(wǎng)絡(luò)中的基因相似度矩陣進(jìn)行拉普拉斯平滑：

其中

其中，R為拉普拉斯平滑后的相似度矩陣，lambda是拉普拉斯平滑的參數(shù)，sum是HumanNet中所有基因?qū)ο嗨菩缘目偤停琋是基因的數(shù)量，b是用于將值規(guī)格化為(0,1)區(qū)間的值的擴(kuò)展因子，s[i][j]是i,j的相似度矩陣，g_i和g_j表示疾病基因；

步驟二二、計(jì)算兩個(gè)Go_term之間的相似度，其具體過程為：

步驟二二一、結(jié)合來自HumanNet和GO_term的信息計(jì)算兩個(gè)GO_term注釋的基因集之間的相似度：

D(t₁,t₂)是兩個(gè)Go_term注釋的基因集之間的相似度，t₁、t₂是兩個(gè)GO_term，G₁、G₂是t₁、t₂對(duì)應(yīng)的基因集，d_ij＝1-R[i][j]是兩個(gè)基因之間的距離，|g₁∪G₂|是與t₁、t₂兩個(gè)GO_term相關(guān)的兩個(gè)基因的集合G₁、G₂并集的基因數(shù)；

步驟二二二、計(jì)算兩個(gè)Go-term之間的相似度：

其中，

h(t₁,t₂)＝D(t₁,t₂)²*|G|+(1-D(t₁,t₂)²)*max(|G₁|,|G₂|)

其中，p是距離t₁、t₂最近的公共父節(jié)點(diǎn)，G_p是p和t₁、t₂子節(jié)點(diǎn)注釋的基因集，G是根節(jié)點(diǎn)和t₁、t₂子節(jié)點(diǎn)注釋的基因集，f′(t₁,t₂,p)是t₁、t₂、p基于路徑的相似度，h(t₁,t₂)是t₁、t₂基于公共父節(jié)點(diǎn)的相似度，是t₁注釋的基因集、t₂注釋的基因集、t₁和t₂的共同親本p注釋的基因集三個(gè)基因集并集的基因數(shù)目；

步驟二三、計(jì)算基因之間的相似度：

根據(jù)步驟二二獲得的Go_term之間的相似度，獲得基因之間的相似度：

其中，

其中，S(·,)表示兩個(gè)Go-term之間的相似度，y表示i或j，t₁、t₂是兩個(gè)GO_term；

基于z-score和給定的GO_term，可以從T_j獲得兩個(gè)集合：

如果|T′_th||T′_tl|，那么T′_j＝T′_th，否則T′_j＝T′_tl；

其中是相似性標(biāo)準(zhǔn)分?jǐn)?shù)，T_i和T_j分別是g_i和g_j注釋的術(shù)語集，|T_i|+|T_j|是T_i和T_j中基因數(shù)的和，T′_j是T_j中部分Go_term的集合，T′_i是T_i中部分Go_term語句的集合，所述的注釋的術(shù)語集是與基因相關(guān)的Go_term的集合；

所述網(wǎng)絡(luò)嵌入模塊，基于基因之間的相似度將每個(gè)基因轉(zhuǎn)化為向量形式，其具體過程為：

步驟三一、對(duì)于每條有向邊(i，j)從基因v_i到基因v_j之間的聯(lián)合概率為：

其中為基因v_i的作為起始節(jié)點(diǎn)時(shí)的向量表示，為基因v_j作為終止節(jié)點(diǎn)時(shí)的向量表示，T表示向量的轉(zhuǎn)置，其中V是網(wǎng)絡(luò)中頂點(diǎn)的總數(shù)；

步驟三二、在網(wǎng)絡(luò)結(jié)構(gòu)中v_i、v_j的經(jīng)驗(yàn)值定義為：

其中，w_ij表示GenSim(g_i,g_j)，d′_i是v_i所有出度的和；

步驟三三、調(diào)整基因的向量表示使p₂、之間的差異最小化，即使目標(biāo)函數(shù)

最小化，其中λ_i為i的權(quán)重，d1(·)表示和p₂的相對(duì)熵；

所述疾病相似度計(jì)算模塊，基于基因的向量表示和疾病相關(guān)基因數(shù)據(jù)集DisGeNET將疾病相關(guān)基因融合，得到疾病的向量表示，利用疾病向量表示度量疾病的相似性；

所述Go_term為基因本體的數(shù)據(jù)集；

所述Go_term注釋的基因集是與Go_term相關(guān)基因集的集合。