[發(fā)明專利]基于圖神經(jīng)網(wǎng)絡(luò)的基因模塊挖掘方法、裝置、計(jì)算機(jī)設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 202110854545.9
• 申請(qǐng)日: 2021-07-26
• 公開（公告）號(hào): CN113611366B
• 公開（公告）日: 2022-04-29
• 發(fā)明（設(shè)計(jì)）人: 李君一;葉梟;皮江勝;劉博;王亞東
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)（深圳）
• 主分類號(hào): G16B40/00
• 分類號(hào): G16B40/00;G16B25/10;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 深圳市道勤知酷知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44439
• 代理人: 何兵;呂詩

本發(fā)明公開了一種基于圖神經(jīng)網(wǎng)絡(luò)的基因模塊挖掘方法、裝置、計(jì)算機(jī)設(shè)備。其中，所述方法包括：根據(jù)基因表達(dá)譜數(shù)據(jù)，構(gòu)造基因共表達(dá)網(wǎng)絡(luò)，和基于該構(gòu)造的基因共表達(dá)網(wǎng)絡(luò)，通過圖神經(jīng)網(wǎng)絡(luò)方式，配置社區(qū)隸屬度矩陣，以及基于該配置的社區(qū)隸屬度矩陣，通過設(shè)定閾值的方式，生成已知模塊。通過上述方式，能夠?qū)崿F(xiàn)通過圖神經(jīng)網(wǎng)絡(luò)表示學(xué)習(xí)的方式配置社區(qū)歸屬矩陣，再通過設(shè)定閾值的方式生成已知模塊，實(shí)現(xiàn)在基因模塊挖掘結(jié)果上能夠允許有密集連接的多個(gè)基因可歸屬于不同的模塊。

技術(shù)領(lǐng)域

本發(fā)明涉及基因模塊挖掘技術(shù)領(lǐng)域，尤其涉及一種基于圖神經(jīng)網(wǎng)絡(luò)的基因模塊挖掘方法、裝置、計(jì)算機(jī)設(shè)備。

背景技術(shù)

相關(guān)技術(shù)中，隨著高通量生物實(shí)驗(yàn)技術(shù)的快速發(fā)展，特別是基因芯片和新一代測(cè)序技術(shù)的發(fā)展，全基因組范圍內(nèi)的生物數(shù)據(jù)呈爆炸式增長(zhǎng)。通過對(duì)這些實(shí)驗(yàn)數(shù)據(jù)的分析，可以得到一些不同類型的網(wǎng)絡(luò)，比如基因表達(dá)調(diào)控網(wǎng)絡(luò)，蛋白質(zhì)相互作用網(wǎng)絡(luò)，轉(zhuǎn)錄調(diào)控網(wǎng)絡(luò)。分子生物網(wǎng)絡(luò)在系統(tǒng)層面反映了生物分子的相互作用關(guān)系，因而在相當(dāng)程度上有助于研究者深入理解生物細(xì)胞中各種生物分子是如何相互作用，進(jìn)而行使生物功能的完整處理過程，為探索復(fù)雜生命活動(dòng)提供了有力工具。對(duì)這些不同類型網(wǎng)絡(luò)的分析表明，這些網(wǎng)絡(luò)都具有模塊性，而生物的功能往往也都是通過這些模塊來得以實(shí)現(xiàn)的。對(duì)大型基因表達(dá)數(shù)據(jù)分析的關(guān)鍵步驟是使用模塊檢測(cè)方式將基因劃分為多個(gè)具有相似屬性的模塊，這些模塊可用于推斷后續(xù)的轉(zhuǎn)錄調(diào)控關(guān)系，改善功能基因組的注釋，因此，有必要對(duì)這些模塊的識(shí)別和分析進(jìn)行研究。

聚類方法是模塊分析中最普遍和流行的方法，通過計(jì)算不同基因樣本向量的歐式距離或者用相似度計(jì)算方法度量?jī)蓚€(gè)基因的相似度，將關(guān)系相近的基因劃分為同一個(gè)模塊，目前已經(jīng)有許多聚類方法應(yīng)用于基因表達(dá)譜數(shù)據(jù)分析任務(wù)中，例如k-means(k-meansclustering algorithm，K均值聚類算法)，Hierarchical clustering(層次聚類)。也有一些方法通過構(gòu)造基因相似度網(wǎng)絡(luò)，然后在網(wǎng)絡(luò)上使用圖聚類的方法挖掘基因模塊。譜聚類通過切圖的方式使得同一個(gè)模塊內(nèi)的點(diǎn)距離盡可能地接近，不同模塊間的點(diǎn)距離盡可能地遠(yuǎn)，從而達(dá)到聚類的目的。WGCNA(Weighted correlation network analysis，加權(quán)基因共表達(dá)網(wǎng)絡(luò)分析)引入了軟閾值的概念，通過對(duì)相似度矩陣中的元素取冪次運(yùn)算，使構(gòu)造出來的網(wǎng)絡(luò)具有無標(biāo)度特性，再使用層次聚類挖掘基因模塊，目前WGCNN已經(jīng)被封裝成R包(由社區(qū)開發(fā)的功能和數(shù)據(jù)集的集合)的形式供研究人員使用。

在基因表達(dá)譜數(shù)據(jù)的挖掘任務(wù)中，聚類只關(guān)注了基因在所有樣本中的共表達(dá)，而忽視了可能只存在于某些樣本的局部表達(dá)關(guān)系，而且聚類只能將基因劃分到單個(gè)模塊中，但是已經(jīng)有越來越多的證據(jù)表明，單個(gè)基因往往與多種功能或者代謝通路有關(guān)聯(lián)，如何挖掘這種重疊的模塊也是基因模塊挖掘的一個(gè)難點(diǎn)，導(dǎo)致在基因模塊挖掘結(jié)果上無法實(shí)現(xiàn)允許有密集連接的多個(gè)基因可歸屬于不同的模塊。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于提出一種基于圖神經(jīng)網(wǎng)絡(luò)的基因模塊挖掘方法、裝置、計(jì)算機(jī)設(shè)備，能夠?qū)崿F(xiàn)通過圖神經(jīng)網(wǎng)絡(luò)表示學(xué)習(xí)的方式配置社區(qū)歸屬矩陣，再通過設(shè)定閾值的方式生成已知模塊，實(shí)現(xiàn)在基因模塊挖掘結(jié)果上能夠允許有密集連接的多個(gè)基因可歸屬于不同的模塊。

根據(jù)本發(fā)明的一個(gè)方面，提供一種基于圖神經(jīng)網(wǎng)絡(luò)的基因模塊挖掘方法，包括：根據(jù)基因表達(dá)譜數(shù)據(jù)，構(gòu)造基因共表達(dá)網(wǎng)絡(luò)；基于所述構(gòu)造的基因共表達(dá)網(wǎng)絡(luò)，通過圖神經(jīng)網(wǎng)絡(luò)方式，配置社區(qū)隸屬度矩陣；基于所述配置的社區(qū)隸屬度矩陣，通過設(shè)定閾值的方式，生成已知模塊。

其中，所述根據(jù)基因表達(dá)譜數(shù)據(jù)，構(gòu)造基因共表達(dá)網(wǎng)絡(luò)，包括：根據(jù)基因表達(dá)譜數(shù)據(jù)，將每個(gè)基因的表達(dá)值規(guī)范化為均值為0和方差為1的表達(dá)向量，和選擇皮爾遜相似系數(shù)來計(jì)算成對(duì)基因間的關(guān)聯(lián)性，從所述計(jì)算出的成對(duì)基因間的關(guān)聯(lián)性所對(duì)應(yīng)的成對(duì)關(guān)系中選擇預(yù)設(shè)比例的對(duì)應(yīng)最高相關(guān)性的成對(duì)關(guān)系作為共表達(dá)網(wǎng)絡(luò)的邊，和基于所述選擇的預(yù)設(shè)比例的對(duì)應(yīng)最高相關(guān)性的成對(duì)關(guān)系作為共表達(dá)網(wǎng)絡(luò)的邊，構(gòu)建K最近鄰網(wǎng)絡(luò)，并根據(jù)所述選擇的預(yù)設(shè)比例的對(duì)應(yīng)最高相關(guān)性的成對(duì)關(guān)系作為共表達(dá)網(wǎng)絡(luò)的邊和所述構(gòu)建的K最近鄰網(wǎng)絡(luò)，構(gòu)造基因共表達(dá)網(wǎng)絡(luò)。