[發明專利]基于拉普拉斯正則化最小二乘和網絡投影的lncRNA-疾病關聯預測方法和系統

在審

• 申請號: 202110428827.2
• 申請日: 2021-04-21
• 公開（公告）號: CN112992347A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 陳敏;鄧英偉;黎昂;譚艷;李澤軍
• 申請（專利權）人: 湖南工學院
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16B20/00
• 代理公司: 衡陽雁城專利代理事務所(普通合伙) 43231
• 代理人: 龍騰

1.基于拉普拉斯正則化最小二乘和網絡投影的lncRNA-疾病關聯預測方法，其特征在于，包括以下步驟：

步驟一、在疾病語義相似性的基礎上結合疾病高斯核譜相似性得到綜合的疾病相似度矩陣；在lncRNA功能相似性的基礎上結合lncRNA高斯核譜相似性得到綜合的lncRNA相似度矩陣；

步驟二、在綜合的疾病相似度矩陣中實施拉普拉斯正則化最小二乘法得到疾病預估得分矩陣，在綜合的lncRNA相似度矩陣中實施拉普拉斯正則化最小二乘法得到lncRNA預估得分矩陣，再將疾病預估得分矩陣和lncRNA預估得分矩陣整合獲得lncRNA與疾病關聯復合預估得分矩陣；

步驟三、將綜合的疾病相似度矩陣在lncRNA與疾病關聯復合預估得分矩陣上投影得到一個投影得分矩陣，將綜合的lncRNA相似度矩陣在lncRNA與疾病關聯復合預估得分矩陣上投影得到另一個投影得分矩陣，接著將基于綜合的疾病相似度矩陣的投影得分矩陣的轉置矩陣與基于綜合的lncRNA相似度矩陣的投影得分矩陣進行結合，并求其平均值，得到最終lncRNA與疾病關聯預測得分，進而得出疾病關聯lncRNA預測結果。

2.根據權利要求1所述的基于拉普拉斯正則化最小二乘和網絡投影的lncRNA-疾病關聯預測方法，其特征在于，步驟一中，疾病高斯核譜相似性表示為：

；

其中，為疾病和疾病之間的高斯核譜相似性；為已知疾病關聯lncRNA矩陣中疾病的第i列，為矩陣中疾病的第j列；參數用來控制的內核帶寬，通過下式計算得到：

。

3.根據權利要求2所述的基于拉普拉斯正則化最小二乘和網絡投影的lncRNA-疾病關聯預測方法，其特征在于，步驟一中，lncRNA高斯核譜相似性表示為：

；

其中，為lncRNA和lncRNA之間的高斯核譜相似性；為矩陣中lncRNA的第i列，為矩陣中lncRNA的第j列；參數用來控制的內核帶寬，通過下式計算得到：

。

4.根據權利要求3所述的基于拉普拉斯正則化最小二乘和網絡投影的lncRNA-疾病關聯預測方法，其特征在于，步驟一中，

在疾病語義相似性的基礎上結合疾病高斯核譜相似性得到綜合的疾病相似度矩陣為：

；

在lncRNA功能相似性的基礎上結合lncRNA高斯核譜相似性得到綜合的lncRNA相似度矩陣為：

。

5.根據權利要求4所述的基于拉普拉斯正則化最小二乘和網絡投影的lncRNA-疾病關聯預測方法，其特征在于，步驟二中，在綜合的疾病相似度矩陣中實施拉普拉斯正則化最小二乘法得到疾病預估得分矩陣：

；

其中，通過求解下式的優化問題得到疾病預估得分矩陣：

；

是一個對角矩陣；為的第i行的所有元素之和；為平衡參數；為Frobenius范數。

6.根據權利要求5所述的基于拉普拉斯正則化最小二乘和網絡投影的lncRNA-疾病關聯預測方法，其特征在于，步驟二中，在綜合的lncRNA相似度矩陣中實施拉普拉斯正則化最小二乘法得到lncRNA預估得分矩陣：

；

其中，通過求解下式的優化問題得到lncRNA預估得分矩陣：

；

是一個對角矩陣；為的第i行的所有元素之和；為平衡參數；為Frobenius范數。

7.根據權利要求6所述的基于拉普拉斯正則化最小二乘和網絡投影的lncRNA-疾病關聯預測方法，其特征在于，步驟二中，按以下方式整合疾病預估得分矩陣和lncRNA預估得分矩陣，得到lncRNA與疾病關聯復合預估得分矩陣：

；

其中， 為的轉置矩陣。