[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(guó)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

基于網(wǎng)絡(luò)表示學(xué)習(xí)的計(jì)算疾病相似度系統(tǒng)，涉及疾病相似度計(jì)算領(lǐng)域，特別涉及一種基于網(wǎng)絡(luò)表示學(xué)習(xí)的計(jì)算疾病相似度系統(tǒng)，包括：信息融合模塊：用于處理提取HumanNet信息、計(jì)算兩個(gè)Go_term之間的相似度，測(cè)量基因之間的相似度；網(wǎng)絡(luò)嵌入模塊：用于將每個(gè)基因轉(zhuǎn)化為向量形式；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)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；基因與疾病預(yù)測(cè)模塊：實(shí)現(xiàn)基于基因的向量表示，結(jié)合MLP模型，對(duì)基因與疾病之間的關(guān)系進(jìn)行預(yù)測(cè)的功能；本發(fā)明用于提升計(jì)算疾病相似度的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及疾病相似度的計(jì)算領(lǐng)域，特別涉及一種基于網(wǎng)絡(luò)表示學(xué)習(xí)的計(jì)算疾病相似度系統(tǒng)。

背景技術(shù)

近年來(lái)疾病相似度的研究在生物信息領(lǐng)域受到了大量的關(guān)注，隨之出現(xiàn)了很多建立疾病之間相似的方法。建立疾病之間的關(guān)系有助于增進(jìn)對(duì)疾病生物學(xué)的理解，并且，在復(fù)雜疾病發(fā)病原理的理解、診斷、潛在疾病治療藥物的預(yù)測(cè)等任務(wù)中都起到重要作用。而疾病相似度是對(duì)疾病之間關(guān)系的量化過(guò)程，因此計(jì)算疾病的相似度具有重大的生物學(xué)和藥理學(xué)意義。

生活中，各種信息網(wǎng)絡(luò)可能包含大量的節(jié)點(diǎn)和邊，這會(huì)導(dǎo)致直接在網(wǎng)絡(luò)上進(jìn)行計(jì)算是非常困難且緩慢的。因此，人們提出將圖中的節(jié)點(diǎn)表示為可以反映圖信息的低維的向量后再進(jìn)行計(jì)算。這種將圖中節(jié)點(diǎn)表示為向量的過(guò)程就稱為網(wǎng)絡(luò)表示學(xué)習(xí)，又叫做網(wǎng)絡(luò)嵌入、圖嵌入。網(wǎng)絡(luò)學(xué)習(xí)表示的目的是根據(jù)網(wǎng)絡(luò)中節(jié)點(diǎn)之間的相互聯(lián)系，將網(wǎng)絡(luò)中的每個(gè)節(jié)點(diǎn)用低維稠密的向量空間表示(其中向量空間的維度遠(yuǎn)小于節(jié)點(diǎn)的總個(gè)數(shù))，并且能夠保持原有網(wǎng)絡(luò)的結(jié)構(gòu)與功能，能夠支持后續(xù)的網(wǎng)絡(luò)處理和分析任務(wù)，如節(jié)點(diǎn)分類、節(jié)點(diǎn)聚類、網(wǎng)絡(luò)可視化和鏈路預(yù)測(cè)等。

目前大多從基于本體計(jì)算疾病術(shù)語(yǔ)相似度和基于疾病相關(guān)基因計(jì)算疾病相似度兩個(gè)角度考慮。基于本體計(jì)算疾病術(shù)語(yǔ)相似度是根據(jù)疾病對(duì)信息量最大的共同祖先的信息量來(lái)計(jì)算疾病術(shù)語(yǔ)相似度。目前基于疾病相關(guān)基因計(jì)算疾病相似度有兩種方法，第一種是基于共同的疾病基因(BOG)，通過(guò)統(tǒng)計(jì)疾病之間的共同相關(guān)基因個(gè)數(shù)來(lái)獲得疾病的相似度；另一種時(shí)基于過(guò)程相似性計(jì)算基因相似度從而得到疾病相似度。但以上計(jì)算疾病相似度的方法的準(zhǔn)確率都不高。

發(fā)明內(nèi)容

本發(fā)明目的是通過(guò)網(wǎng)絡(luò)表示學(xué)習(xí)的方法解決計(jì)算疾病相似度的準(zhǔn)確率不高的問(wèn)題。

基于網(wǎng)絡(luò)表示學(xué)習(xí)的計(jì)算疾病相似度系統(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、基因與疾病預(yù)測(cè)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；

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。

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。

所述基因與疾病預(yù)測(cè)模塊，實(shí)現(xiàn)基于基因的向量表示，結(jié)合MLP模型，對(duì)基因與疾病之間的關(guān)系進(jìn)行預(yù)測(cè)的功能。

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。