[發(fā)明專利]基于圖神經(jīng)網(wǎng)絡的miRNA-疾病關聯(lián)關系預測方法

有效

• 申請?zhí)枺?/td>: 202110522521.3
• 申請日: 2021-05-13
• 公開（公告）號: CN113409892B
• 公開（公告）日: 2023-04-25
• 發(fā)明（設計）人: 魚亮;巨秉熠
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G16B40/20
• 分類號: G16B40/20;G06N3/0464;G06N3/042;G06N3/084;G06N3/09
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 陳宏社;王品華

本發(fā)明提出了一種基于圖神經(jīng)網(wǎng)絡預測miRNA?疾病關聯(lián)關系方法，實現(xiàn)步驟為：獲取miRNA?疾病關聯(lián)數(shù)據(jù)；構建miRNA?疾病關聯(lián)網(wǎng)絡；獲取樣本數(shù)據(jù)集和標簽數(shù)據(jù)集；提取每個miRNA?疾病節(jié)點對的h階封閉子圖；獲取每個h階封閉子圖的節(jié)點特征矩陣；獲取訓練樣本集,訓練樣本標簽數(shù)據(jù)集和被預測樣本集；搭建圖神經(jīng)網(wǎng)絡；對圖神經(jīng)網(wǎng)絡進行迭代訓練；獲取miRNA?疾病關聯(lián)的預測結果。本發(fā)明利用圖神經(jīng)網(wǎng)絡從miRNA?疾病關聯(lián)網(wǎng)絡中學習圖結構特征信息用于解決現(xiàn)有技術預測準確率較低的問題，在不使用相似性數(shù)據(jù)的情況下提高了miRNA?疾病關聯(lián)預測準確率，可用于預測潛在的miRNA?疾病關聯(lián)。

技術領域

本發(fā)明屬于生物信息技術領域，涉及一種miRNA-疾病關聯(lián)關系預測方法，具體涉及一種基于圖神經(jīng)網(wǎng)絡的miRNA-疾病關聯(lián)關系預測方法。

背景技術

miRNA是一類由20-25個核苷酸組成的非編碼單鏈RNA分子。microRNA能廣泛的參與到重要的生物學過程，發(fā)揮反饋機制的作用，比如細胞分裂、分化、凋亡、細胞周期調(diào)節(jié)、炎癥和應激反應。miRNA的失調(diào)(包括表達失調(diào)、功能增加或減少突變、表觀遺傳沉默等)往往致使人體生物水平異常進而導致許多疾病的發(fā)生。所以識別與疾病相關的miRNA能提高人類對復雜疾病的認識。

使用生物實驗的方法手工找尋潛在的關聯(lián)關系具有很高的準確性。但是由于其過程非常復雜導致時間周期長，耗費的資金也很高。因此僅通過生物實驗方法驗證所有的miRNA-疾病關聯(lián)關系效率不高。所以基于已知的miRNA與疾病關聯(lián)關系提出高效準確的計算方法可以為生物實驗提供指導，使得發(fā)現(xiàn)miRNA-疾病關聯(lián)關系更有效率。

例如Chen等人2018年在《RNA?Biology》上發(fā)表文章“Predicting?microRNA-disease?associations?using?bipartite?local?models?and?hubness-awareregression”，公開了一種miRNA-疾病關聯(lián)關系預測方法BLHARMDA。該方法在miRNA和疾病上分別計算了傳統(tǒng)的高斯相互作用剖面核相似性的基礎上，基于已知的miRNA-疾病關聯(lián)關系分別計算了miRNA的杰卡德相似性(Jaccard-similarity)和疾病的杰卡德相似性，然后在原本的miRNA相似性矩陣上拼接上miRNA的杰卡德相似性矩陣。miRNA的相似性矩陣由規(guī)模nm×nm變?yōu)閚m×2nm的大矩陣。與miRNA一樣的，疾病相似性也同樣在右邊拼接上疾病的杰卡德相似性矩陣。BLHARMDA分別從miRNA視角和疾病視角通過基于相似性矩陣的計算方法得到每個miRNA和疾病之間的存在邊的可能性分數(shù)，然后對預測分數(shù)進行帶誤差修正的k近鄰回歸，得到最后的預測分數(shù)。

又如Kai等人2019年在《Genes》上發(fā)表文章“Predicting?MiRNA-DiseaseAssociation?by?Latent?Feature?Extraction?with?Positive?Samples”，公開了一種miRNA-疾病關聯(lián)關系預測方法LFEMDA。LFEMDA認為常用的miRNA相似性矩陣是基于miRNA-疾病關聯(lián)關系求來的，而再用于預測miRNA-疾病關聯(lián)關系是不合理的。所以LFEMDA計算了miRNA序列間的編輯距離。用1減去miRNA間編輯距離作為miRNA之間的相似性分數(shù)。接著，LFEMDA就利用新提出的miRNA相似性數(shù)據(jù)來做下面的預測。LFEMDA的思想是使用矩陣分解來解決預測問題。對每個miRNA和疾病，LFEMDA給定在固定的k維空間中的初始投影向量，然后他們的內(nèi)積表示miRNA和疾病間的關聯(lián)關系。然后利用多個正則化項聯(lián)系miRNA-疾病關聯(lián)關系與相似性數(shù)據(jù)。最終，通過矩陣分解得到預測分數(shù)。

但是這些miRNA-疾病關聯(lián)關系的預測方法中所慣常使用的miRNA功能相似性和疾病語義相似性網(wǎng)絡都是不完整和不準確。并且它們都依據(jù)一個假設：相似的miRNA與相同的疾病相關聯(lián)，相似的疾病與相同的miRNA相關聯(lián)。這使得模型首先就帶有先驗知識帶來的偏差。況且miRNA功能相似性和疾病語義相似性網(wǎng)絡的不完整和不準確使得這一假設的使用更加不合理。不完整的數(shù)據(jù)和通過人為經(jīng)驗得到的先驗知識無疑會給模型帶來預測結果的不準確。