[發明專利]一種基于多網絡融合和多層網絡擴散的抑郁障礙基因特征挖掘方法

有效

• 申請號: 202110141774.6
• 申請日: 2021-02-02
• 公開（公告）號: CN112837752B
• 公開（公告）日: 2022-03-04
• 發明（設計）人: 李敏;項炬
• 申請（專利權）人: 中南大學
• 主分類號: G16B40/00
• 分類號: G16B40/00;G16B20/00;G16H50/70;G06K9/62
• 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網絡融合和多層網絡擴散的抑郁障礙基因特征挖掘方法，該挖掘方法主要包括以下步驟：一、構建多類型基因關聯網絡；二、構建標準化的多層基因網絡；三、激發抑郁障礙基因驅動的多層基因網絡散動力學過程；四、挖掘抑郁障礙基因驅動的多層基因網絡擴散動力學特征。該挖掘方法能夠有效融合不同類型的生物分子網絡，并從各種多樣化的生物分子網絡中挖掘有效的疾病基因特征，從而更有效的識別抑郁障礙相關基因。

技術領域

本發明屬于生物信息學分析領域，涉及基于多網絡融合和多層網絡擴散的抑郁障礙基因特征挖掘方法。

背景技術

抑郁癥已成為當今社會的一種常見病，嚴重影響患者的生活質量，抑郁癥與相關基因的功能失調密切相關，但全基因組關聯研究等傳統方法通常難以對抑郁癥基因進行精確定位。由于生物醫學實驗成本高、時間周期長，因此通過開發計算方法挖掘抑郁障礙基因特征，從而識別抑郁障礙相關基因對于抑郁障礙的機制研究、預防、診斷和治療都非常的重要。

隨著蛋白質相互作用網絡等生物分子網絡數據快速累積，基于生物分子網絡的基因特征挖掘算法成為遺傳關聯研究的前沿。相同疾病的致病基因，由于其功能上的相關性，在生物分子網絡中趨向于聚集，因此基于網絡傳播的算法成為一種有效策略，例如，帶重啟的隨機游走，異構網絡隨機游走，多重網絡隨機游走等；基于現代高通量實驗技術的快速發展，各種不同類型的生物分子網絡數據的快速增長，這些生物分子網絡數據的有效利用將有助于更有效的挖掘抑郁障礙基因特征；傳統的基于聚合網絡隨機游走的算法可以減少網絡不完全性的影響，但它可能失去單個網絡的結構特征；獨立數據源的排位聚合方法利用了單個網絡的特性，但忽略了不同類型網絡/層之間的關系；多重圖框架考慮了不同類型的網絡，但網絡層之間的相互作用太強烈。異構網絡有助于整合多源異構關聯數據，但如何從異構網絡中提取有用信息來應對特定的疾病仍是一個挑戰；因此，如何有效融合這些不同類型的生物分子網絡，如何從這些多樣化的生物分子網絡中挖掘有效的抑郁障礙等疾病基因特征，從而更有效的識別抑郁障礙相關基因，仍是待研究的重要問題。

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網絡融合和多層網絡擴散的抑郁障礙基因特征挖掘方法(后文簡稱為DDSM)，該方法能有效融合不同類型的生物分子網絡，并從各種多樣化的生物分子網絡中挖掘有效的抑郁障礙基因特征，從而更有效的識別抑郁障礙相關基因，經過本發明實驗可知，該方法的網絡建模和動力學激發過程都是特別適合于抑郁障礙相關基因特征的挖掘。

(二)技術方案

本發明公開了一種基于多網絡融合和多層網絡擴散的抑郁障礙基因特征挖掘方法，該基因特征挖掘方法包括以下步驟：

步驟1：將多種類型的生物數據建模轉換成基因關聯網絡：計算人類基因表達譜的皮爾遜系數，獲取每個基因最相似的k個鄰居，構建稀疏化的k近鄰基因共表達網絡；通過疾病相似性網絡和疾病基因關聯，計算基因語義相似性網絡；

步驟2：將所述基因關聯網絡中的k近鄰基因共表達網絡、基因語義相似性網絡和多類型的蛋白質物理相互作用網絡中對應相同基因的節點相互連接，構建多層基因網絡的鄰接矩陣，實現多網絡融合；通過多層基因網絡的鄰接矩陣的列歸一化，計算多層基因網絡的擴散矩陣；

步驟3：依據抑郁障礙基因驅動的多層基因網絡擴散動力學方程，將抑郁障礙的已知致病基因作為擴散源，激發抑郁障礙基因驅動的多層基因網絡擴散動力學過程，計算多層基因網絡中每個節點的狀態在擴散過程中的擴散特征。

步驟4：通過計算多層基因網絡中對應相同基因的網絡節點的所述擴散特征的幾何均值，獲得綜合的抑郁障礙基因特征；依據綜合的抑郁障礙基因特征優選抑郁障礙相關基因。

進一步的，步驟1中具體包括：