[发明专利]基于网络表示学习的计算疾病相似度系统

权利要求书

1.基于网络表示学习的计算疾病相似度系统，其特征在于所述系统包括：

DisGeNet数据集、GeneOntlogy数据集、HumanNet网络、信息融合模块、网络嵌入模块、疾病相似度计算模块；

所述DisGeNet数据集用于存储基因和疾病之间的关系；

所述GeneOntlogy数据集用于存储Go_term之间的关系以及Go_term和基因之间的关系；

所述HumanNet网络用于存储基因之间的关系；

所述信息融合模块，用于将基因相似度矩阵进行拉普拉斯平滑得到矩阵R，利用矩阵R计算两个Go_term注释的基因集之间相似度，利用Go_term注释的基因集之间相似度计算两个Go_term之间的相似度，利用两个Go_term之间的相似度获得基因之间的相似度，其具体过程为：

步骤二一、将HumanNet网络中的基因相似度矩阵进行拉普拉斯平滑：

其中

其中，R为拉普拉斯平滑后的相似度矩阵，lambda是拉普拉斯平滑的参数，sum是HumanNet中所有基因对相似性的总和，N是基因的数量，b是用于将值规格化为(0,1)区间的值的扩展因子，s[i][j]是i,j的相似度矩阵，g_i和g_j表示疾病基因；

步骤二二、计算两个Go_term之间的相似度，其具体过程为：

步骤二二一、结合来自HumanNet和GO_term的信息计算两个GO_term注释的基因集之间的相似度：

D(t₁,t₂)是两个Go_term注释的基因集之间的相似度，t₁、t₂是两个GO_term，G₁、G₂是t₁、t₂对应的基因集，d_ij＝1-R[i][j]是两个基因之间的距离，|g₁∪G₂|是与t₁、t₂两个GO_term相关的两个基因的集合G₁、G₂并集的基因数；

步骤二二二、计算两个Go-term之间的相似度：

其中，

h(t₁,t₂)＝D(t₁,t₂)²*|G|+(1-D(t₁,t₂)²)*max(|G₁|,|G₂|)

其中，p是距离t₁、t₂最近的公共父节点，G_p是p和t₁、t₂子节点注释的基因集，G是根节点和t₁、t₂子节点注释的基因集，f′(t₁,t₂,p)是t₁、t₂、p基于路径的相似度，h(t₁,t₂)是t₁、t₂基于公共父节点的相似度，是t₁注释的基因集、t₂注释的基因集、t₁和t₂的共同亲本p注释的基因集三个基因集并集的基因数目；

步骤二三、计算基因之间的相似度：

根据步骤二二获得的Go_term之间的相似度，获得基因之间的相似度：

其中，

其中，S(·,)表示两个Go-term之间的相似度，y表示i或j，t₁、t₂是两个GO_term；

基于z-score和给定的GO_term，可以从T_j获得两个集合：

如果|T′_th||T′_tl|，那么T′_j＝T′_th，否则T′_j＝T′_tl；

其中是相似性标准分数，T_i和T_j分别是g_i和g_j注释的术语集，|T_i|+|T_j|是T_i和T_j中基因数的和，T′_j是T_j中部分Go_term的集合，T′_i是T_i中部分Go_term语句的集合，所述的注释的术语集是与基因相关的Go_term的集合；

所述网络嵌入模块，基于基因之间的相似度将每个基因转化为向量形式，其具体过程为：

步骤三一、对于每条有向边(i，j)从基因v_i到基因v_j之间的联合概率为：

其中为基因v_i的作为起始节点时的向量表示，为基因v_j作为终止节点时的向量表示，T表示向量的转置，其中V是网络中顶点的总数；

步骤三二、在网络结构中v_i、v_j的经验值定义为：

其中，w_ij表示GenSim(g_i,g_j)，d′_i是v_i所有出度的和；

步骤三三、调整基因的向量表示使p₂、之间的差异最小化，即使目标函数

最小化，其中λ_i为i的权重，d1(·)表示和p₂的相对熵；

所述疾病相似度计算模块，基于基因的向量表示和疾病相关基因数据集DisGeNET将疾病相关基因融合，得到疾病的向量表示，利用疾病向量表示度量疾病的相似性；

所述Go_term为基因本体的数据集；

所述Go_term注释的基因集是与Go_term相关基因集的集合。