[发明专利]基于网络表示学习的计算疾病相似度系统

说明书

基于网络表示学习的计算疾病相似度系统，涉及疾病相似度计算领域，特别涉及一种基于网络表示学习的计算疾病相似度系统，包括：信息融合模块：用于处理提取HumanNet信息、计算两个Go_term之间的相似度，测量基因之间的相似度；网络嵌入模块：用于将每个基因转化为向量形式；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；基因与疾病预测模块：实现基于基因的向量表示，结合MLP模型，对基因与疾病之间的关系进行预测的功能；本发明用于提升计算疾病相似度的准确性。

技术领域

本发明涉及疾病相似度的计算领域，特别涉及一种基于网络表示学习的计算疾病相似度系统。

背景技术

近年来疾病相似度的研究在生物信息领域受到了大量的关注，随之出现了很多建立疾病之间相似的方法。建立疾病之间的关系有助于增进对疾病生物学的理解，并且，在复杂疾病发病原理的理解、诊断、潜在疾病治疗药物的预测等任务中都起到重要作用。而疾病相似度是对疾病之间关系的量化过程，因此计算疾病的相似度具有重大的生物学和药理学意义。

生活中，各种信息网络可能包含大量的节点和边，这会导致直接在网络上进行计算是非常困难且缓慢的。因此，人们提出将图中的节点表示为可以反映图信息的低维的向量后再进行计算。这种将图中节点表示为向量的过程就称为网络表示学习，又叫做网络嵌入、图嵌入。网络学习表示的目的是根据网络中节点之间的相互联系，将网络中的每个节点用低维稠密的向量空间表示(其中向量空间的维度远小于节点的总个数)，并且能够保持原有网络的结构与功能，能够支持后续的网络处理和分析任务，如节点分类、节点聚类、网络可视化和链路预测等。

目前大多从基于本体计算疾病术语相似度和基于疾病相关基因计算疾病相似度两个角度考虑。基于本体计算疾病术语相似度是根据疾病对信息量最大的共同祖先的信息量来计算疾病术语相似度。目前基于疾病相关基因计算疾病相似度有两种方法，第一种是基于共同的疾病基因(BOG)，通过统计疾病之间的共同相关基因个数来获得疾病的相似度；另一种时基于过程相似性计算基因相似度从而得到疾病相似度。但以上计算疾病相似度的方法的准确率都不高。

发明内容

本发明目的是通过网络表示学习的方法解决计算疾病相似度的准确率不高的问题。

基于网络表示学习的计算疾病相似度系统，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、基因与疾病预测模块；

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；

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。

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。

所述基因与疾病预测模块，实现基于基因的向量表示，结合MLP模型，对基因与疾病之间的关系进行预测的功能。

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。