[發明專利]一種基于多重蛋白質網絡脈沖動力學過程的疾病基因預測方法

有效

• 申請號: 202110141656.5
• 申請日: 2021-02-02
• 公開（公告）號: CN112820347B
• 公開（公告）日: 2023-09-22
• 發明（設計）人: 李敏;項炬
• 申請（專利權）人: 中南大學
• 主分類號: G16B20/00
• 分類號: G16B20/00;G16B40/00
• 代理公司: 長沙智路知識產權代理事務所(普通合伙) 43244
• 代理人: 張毅

本發明公開了一種基于多重蛋白質網絡脈沖動力學過程的疾病基因預測方法，該預測方法主要包括以下步驟：一、構建標準化的多重蛋白質網絡；二、構建多重蛋白質網絡脈沖動力學模型；三、提取多重蛋白質網絡脈沖動力學特征；四、融合多重蛋白質網絡節點的脈沖動力學特征以通過排序對疾病基因進行預測。本發明的預測方法能夠更有效地融合多類型的蛋白質網絡，挖掘多源蛋白質網絡中的隱含特征，從而提升疾病基因鑒別的能力，且計算量小，適于通過軟件實現生物信息大數據的分析。

技術領域

本發明屬于生物信息學分析領域，涉及基于多重蛋白質網絡脈沖動力學過程的疾病基因預測方法。

背景技術

疾病相關的基因的識別對疾病的研究具有重要意義。連鎖分析等傳統方法有助于識別疾病相關基因，但往往無法精確定位疾病的致病基因。由于生物實驗預測的高經濟成本和高時間消耗，從大量候選基因中預測和篩選疾病相關基因的有效計算方法的開發變得至關重要。

與類似或相同疾病相關的基因在功能上具有相關性，并傾向于在蛋白質-蛋白質相互作用網絡(PPI)等生物網絡中聚集在附近。因此，基于網絡的算法在疾病基因預測以及相關領域非常盛行，而網絡傳播是應用最廣泛的策略之一，已成為遺傳關聯研究的前沿方法。傳統的網絡傳播是有用的，但它往往側重于動力學的穩態解，從而可能失去隱藏在在動態過程中的一些有用信息。因此，有必要在動態過程中直接挖掘有助于揭示疾病基因關聯的隱藏信息。

忽略網絡化系統中不同類型的交互/關聯的并存，例如將這些關系聚合成一個單一的網絡，會改變整個系統的拓撲結構性質，導致對系統的建模和預測能力產生重大影響。充分利用各種類型的生物網絡來有效預測與疾病相關的基因仍然是一個挑戰，因為它們通常具有不同的含義和可靠性，例如代謝酶偶聯的相互作用、信號轉導等。多源生物分子網絡的有效利用將有助于提升疾病基因預測方法的能力。

基于此，亟需設計一種能有效利用網絡化系統中不同類型網絡層的交聯影響的疾病基因預測方法。

發明內容

(一)要解決的技術問題

基于此，本發明公開了一種基于多重蛋白質網絡脈沖動力學過程的疾病基因預測方法，該方法能提升疾病基因預測方法的能力充分揭示疾病基因關聯的隱藏信息，該基于脈沖動力學過程的分析方法能有效利用多重蛋白質網絡的交聯影響，從而提高預測的準確度，并適于進行生物數據的大批量軟件分析。

(二)技術方案

本發明公開了一種基于多重蛋白質網絡脈沖動力學過程的疾病基因預測方法，該預測方法包括以下步驟：

步驟1：在進行生物數據預處理后，通過將多個不同類型的蛋白質網絡中對應相同蛋白質的節點連接，構建多重蛋白質網絡，實現多網絡融合，通過計算網絡節點平均度對多重蛋白質網絡的邊權重進行標準化處理；將蛋白質編號統一映射到標準的基因符號；

步驟2：通過在步驟1中所述的多重蛋白質網絡各網絡層的種子節點上施加周期性脈沖信號，激發多重蛋白質網絡脈沖動力學過程，計算多重蛋白質網絡節點的脈沖響應曲線，挖掘網絡節點的隱含特征；

步驟3：通過計算多重蛋白質網絡節點對脈沖信號的動力學特征獲得網絡節點與種子節點之間的關聯強度；

步驟4：基于步驟3中的所述動力學特征，通過計算多重蛋白質網絡各網絡層中對應相同蛋白質的節點排位值的幾何平均的倒數，得到綜合的蛋白質評分；通過計算蛋白質綜合得分的降序排列來甄別疾病基因。

進一步的，所述步驟1中具體包括以下步驟：

(1)生物數據預處理：獲取已知的疾病基因關聯數據、疾病表型關聯注釋數據、人類表型本體數據；獲取蛋白質物理相互作用網絡；構建蛋白質功能關聯網絡；將蛋白質編號統一映射為標準的基因符號；