[發明專利]一種基于融合神經網絡的LncRNA-疾病關聯預測方法

在審

• 申請號: 202211451740.8
• 申請日: 2022-11-21
• 公開（公告）號: CN115691817A
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 李巧君;楊偉;李江岱;龐士昱;石晨;馮賢菊
• 申請（專利權）人: 河南工業職業技術學院
• 主分類號: G16H50/50
• 分類號: G16H50/50;G06N3/0455;G06N3/0464;G06N3/0442;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于融合神經網絡FNN（Fusion Neural Networks，FNN）和棧式自編碼器（Stacked Autoencoder，SAE）的LncRNA-疾病關聯預測方法，整體步驟如下：

步驟1：整合LncRNA功能相似性、疾病語義相似性、LncRNA-疾病互作、LncRNA-miRNA相互作用以及miRNA-疾病關聯多源數據構建特征矩陣；

步驟2：基于SAE模塊學習LncRNA-疾病對的低維網絡表示，基于融合神經網絡FNN模塊進行高階特征的提取，學習LncRNA-疾病時間依賴和共享參數的高級特征；兩個模塊都經過全連接層和softmax層，得到LncRNA-疾病的相關可能性即關聯得分；

步驟3：賦予兩個模塊的預測分值不同的權值，對分值進行加權融合得到預測得分，篩選出疾病相關LncRNA。

2.根據權利要求1所述的LncRNA-疾病關聯預測方法，從生物學角度構建數據特征，整合來自多個來源的LncRNAs、疾病和miRNAs的關聯、相似性等異質數據，構建LncRNA功能相似性特征、疾病語義相似性特征和LncRNA-疾病關聯特征；

其中LncRNA功能相似性特征構建方式如下：在已經驗證的生物數據庫中發現相似的LncRNA可能與相似的疾病有關聯，通過計算兩種疾病的相似衡量LncRNA之間的功能相似度；采用LncRNA之間的功能相似度算法計算兩種LncRNA的功能相似度，構建LncRNA功能相似性矩陣LS，LS(i,j)表示LncRNA l(i)與LncRNA l(j)之間的相似度，其值在0~1之間變化；LS(i,j)越接近于1，表示l(i)和l(j)越相似；LS作為棧氏自編碼器特征提取模塊的輸入；

疾病語義相似性特征構建方式如下：根據疾病的DAGs模型提取疾病之間的語義相似性，完成對疾病的語義相似度的權值定義，構建疾病語義相似度矩陣DS；DS(i,j)表示疾病之間的語義相似度，取值范圍為0~1，DS(i,j)越接近于1，表示d(i)和d(j)越相似；DS作為棧氏自編碼器特征提取模塊的另一個輸入；

LncRNA-疾病關聯特征構建方式如下：根據生物信息庫中已證實的LncRNA-疾病、LncRNA-miRNA、疾病-miRNA之間所存在的相互影響作用，分別構建由LncRNA與疾病組成的關系矩陣、LncRNA與miRNA組成的關系矩陣以及疾病與miRNA組成的關系矩陣 ，LD、LM和DM取值均為0或1，若LncRNA l_i與miRNA m_j相互作用，LM_ij=1，反之 LM_ij=0；對于LncRNA l_i和疾病 d_j，如果與它們相關聯的LncRNA、疾病以及miRNA及其互作關系有較多的相同，那么l_i和d_j的關聯性將很大；將LncRNA l_i 和所有LncRNA的相似關系記作 x₁，l_i與所有疾病的互作關系用向量x₂ 表示，l_i與每個miRNA的相互作用用向量x₃ 表示；與l_i類似方法，疾病d_j與所有LncRNA的互作關系用向量y₁表示，疾病d_j與各個疾病的語義相似性記為y₂，向量y₃表示疾病d_j與每個miRNA的互作關系，LncRNAl₁ 和疾病d₂構建的特征矩陣拼接；屬性向量通過公式（1）進行拼接:

公式1

從而得到LncRNA l₁ 和疾病d₂的屬性關聯嵌入矩陣 T，其中，(Nl+Nd+Nm) ×2表示為關聯矩陣 T 的維度；該LncRNA和疾病的關聯嵌入矩陣 T 作為基于融合神經網絡FNN的特征提取模塊的輸入。