[发明专利]基于混沌博弈算法的miRNA-疾病相关性预测方法

说明书

本发明公开了一种基于混沌博弈算法的miRNA‑疾病相关性预测方法，包括数据集的选择与建立，疾病语义相似矩阵、疾病高斯相似矩阵、miRNA高斯相似矩阵的生成，相似矩阵的融合，混沌博弈算法提取特征值，训练集和测试集的构建，分类器模型构建步骤完成，该方法是利用混沌博弈算法处理序列样本集的特征并得到特征值，使数据集的信息量大为增加；本发明能够利用宽度学习的方法构建模型，大大提高了预测精度，能够得到比较好的预测效果；本发明方法计算代价低，功耗小。

技术领域

本发明涉及一种基于混沌博弈算法的miRNA-疾病相关性预测方法，属于数字处理技术领域。

背景技术

由于发现miRNA越来越重要的生理作用，人们将越来越多的经历投入到其与人类自身相关的领域中去。miRNA被猜测与多种疾病的发生具有重要关联人们已经开展了相关的miRNA与疾病的相关性研究，然而miRNA具体机制还有待进一步的挖掘，这包括miRNA结合位点的配对以及多miRNA协同调控的机制，都将是该领域可以深入研究的方向。

到目前为止，大多数预测miRNA-疾病相关性的计算方法对miRNA-疾病相关性检测有一定的局限性。这些局限性在于，这些方法通常未考虑miRNA序列相关信息，或者未考虑miRNA序列相似度信息等。然而，这样的信息对于miRNA-疾病相关性预测应用效果很好。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种预测精度高、预测效果好的基于混沌博弈算法的miRNA-疾病相关性预测方法。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于混沌博弈算法的miRNA-疾病相关性预测方法，包括以下步骤：

步骤a、数据集的选择与建立：利用HMDD v3.0数据库中的数据集构建预测miRNA-疾病相关性的数据集。

步骤b、疾病高斯相似度矩阵和miRNA高斯相似度矩阵的生成：根据步骤a得到的miRNA-疾病相关性的数据集利用“两个功能相近的miRNA倾向于与表型相似的疾病存在关联，反之亦然”的假设，计算得到疾病高斯相似度矩阵、miRNA高斯相似度矩阵。

步骤c、语义相似度矩阵的生成：每个疾病根据MeSH主题词(医学主题词表)构建出对应有向无环图，根据每个疾病的有向无环图得到所有疾病的语义相似度矩阵。

步骤d、整合疾病相似度矩阵和miRNA相似度矩阵：疾病相似度矩阵以语义相似度矩阵为基础，其他矩阵空位由疾病高斯相似度矩阵填补，miRNA相似度矩阵以现有的miRNA功能相似度矩阵为基础，其他矩阵空位由miRNA高斯相似度矩阵填补，最后按照HMDD v3.0的关系对将疾病高斯相似度矩阵和miRNA相似度矩阵拼接成阳性特征集，并在未出现在HMDD v3.0中的关系对中随机抽取相同数量的关系对，将疾病高斯相似度矩阵和miRNA相似度矩阵拼接成阴性特征集。

步骤e、利用混沌博弈提取miRNA序列特征值：将每一条miRNA序列通过混沌博弈提取特征，形成一个64维的混沌博弈谱，并根据混沌博弈谱通过相关系数计算得到miRNA序列相似度矩阵。优点:1.在相似度计算中不考虑位置信息，允许它量化非线性序列关系。一般方法都是量化miRNA之间的线性序列同源性。2.传统的对齐算法只能对相似度进行量化，而该方法可以利用皮尔逊相关对相似度和差异进行量化。3.该方法可以量化miRNA之间的关系，尽管总长度存在差异，而长度差异可以混淆传统的比对算法。

步骤f、奇异值分解方法降维：利用奇异值分解方法分别将阳性特征集、阴性特征集、miRNA序列相似度矩阵降低到32维，以去除噪音因素的影响。

步骤g、整合数据集：将降32维的阳性特征集和阴性特征集与降至32维的miRNA序列相似度矩阵再次拼接得到最终的数据集。