[发明专利]基于网络表示学习的表型关联关系分析方法

说明书

本发明公开了一种基于网络表示学习的表型关联关系分析方法，用于解决现有表型方法准确度差的技术问题。技术方案是以蛋白质交互网络为载体，将表型映射到网络中作为子网，向量化表示表型子网，并作为表型的特征向量，利用提取到的表型特征，计算表型特征之间的欧氏距离作为表型之间的相似度。该方法可以更好的挖掘出表型的特征，更全面的衡量表型之间的相似度，进行准确的表型关联关系分析。本发明使用蛋白质交互网络，将网络表示学习应用于表型研究，为网络的每一个表型子网生成特征向量来进行表型关联关系分析，提高了表型关联关系分析的能力。实验表明，本发明不仅能够很好的预测表型之间的关系，还可以为表型生成特征向量，表型方法准确度好。

技术领域

本发明属于生物信息学领域，特别涉及一种基于网络表示学习的表型关联关系分析方法。

背景技术

文献“Clinical phenotype-based gene prioritization:an initial studyusing semantic similarity and the human phenotype ontology,BMC Bioinformatics2014,15:248”公开了一种基于语义相似度的表型相似度衡量方法。该方法把表型本体中每个术语的信息量的多少作为标准来判断术语间的语义相似度。通过构造的表型本体树，以在人类表型本体中两个表型术语的最低共同祖先的信息量作为表型术语之间的相似度。文献所述的方法基于表型本体的层次结构提取表型的相似度，忽略了蛋白质之间的相互作用导致表型异常这一事实，不能利用蛋白质之间的交互作用信息更准确的挖掘表型的特征进行表型的关联关系分析。

发明内容

为了克服现有表型方法准确度差的不足，本发明提供一种基于网络表示学习的表型关联关系分析方法。该方法以蛋白质交互网络为载体，将表型映射到网络中作为子网，向量化表示表型子网，并作为表型的特征向量，利用提取到的表型特征，计算表型特征之间的欧氏距离作为表型之间的相似度。该方法可以更好的挖掘出表型的特征，更全面的衡量表型之间的相似度，进行准确的表型关联关系分析。本发明使用了蛋白质交互网络，将网络表示学习的知识应用到表型研究中，设计方法为网络中的每一个表型子网生成特征向量来进行表型关联关系分析，提高了表型关联关系分析的能力。实验表明，本发明不仅能够很好的预测表型之间的关系，还可以为表型生成特征向量，表型方法准确度好。

本发明解决其技术问题所采用的技术方案：一种基于网络表示学习的表型关联关系分析方法，其特点是包括以下步骤：

步骤一、根据表型和基因的关系，将与表型相关的所有基因映射到蛋白质交互网络中得到表型子网。

步骤二、利用公式(1)获取随机游走节点序列。

其中，v_k是当前节点，x是v_k的邻居节点之一，是指节点x和v_k之间边的权重，对于无向图，X是节点x的邻居节点的集合，是归一化的权重值。α(t,x)定义如下：

此处，t是节点v的上一个节点，这意味着随机游走序列刚经过边(t,v)，并且当前节点是v。d_tx是指两个网络中的节点t和x之间的最短路径长度。节点x是节点v的邻居节点之一。d_tx的值此处只考虑三种情况，即0，1和2。即节点x到节点t的距离是三种情况之一。p是一个返回参数，控制了随机游走序列返回到节点t的概率。参数q是一个控制搜索向内和向外不同采样策略的节点，调节参数大小，允许有两种不同的搜索方向，即深度优先搜索和广度优先搜索。深度优先搜索允许远离节点t，广度优先搜索更倾向于访问节点t附近的节点。