[发明专利]一种基于图神经网络融合多视图信息的miRNA-疾病关联预测方法及装置

权利要求书

1.一种基于图神经网络融合多视图信息的miRNA-疾病关联预测方法，其特征在于，包括以下步骤：

步骤1：根据miRNA-疾病相关的多组学数据，构建miRNA-疾病关联矩阵，miRNA相似性网络视图、疾病相似性网络视图以及二分网络视图；

步骤2：构建基于图神经网络融合多视图信息的预测模型，包括多图卷积编码模块、二分图卷积编码模块、信息融合模块以及一致性判别器；

利用多图卷积编码模块对miRNA相似性网络视图、疾病相似性网络视图进行多图卷积操作，并对通过卷积操作得到的特征进行融合，得到相似性网络视图中节点的相似性局部特征；

利用二分图卷积编码模块，对二分网络视图进行二分图卷积操作，提取二分网络视图中节点的二分图局部特征；

信息融合模块，将各个视图上获得的miRNA节点和疾病节点的所有局部特征分别进行拼接与压缩，获得miRNA节点和疾病节点的全局特征及内积，得到miRNA节点和疾病节点之间的关联关系；

一致性判别器，用于获取多图卷积编码模块、二分图卷积编码模块得到的局部特征与信息融合模块获得的全局特征之间的一致性；

步骤3：利用已知的miRNA-疾病关联数据作为训练数据，以训练数据按照步骤1处理得到的相似性网络视图和二分网络视图数据作为输入数据，输入基于图神经网络融合多视图信息的预测模型获得miRNA节点和疾病节点之间的关联关系预测值，利用miRNA节点和疾病节点的关联关系已知值和预测值之差的F范数，与一致性判别器所产生的判别损失之和作为损失函数，对预测模型进行训练，当达到设定的训练次数或者损失函数达到设定阈值时，获得训练好的基于图神经网络融合多视图信息的预测模型；

步骤4：将待预测关联关系的miRNA-疾病的多组学数据输入基于图神经网络融合多视图信息的预测模型，对miRNA-疾病的关联关系进行预测。

2.根据权利要求1所述的方法，其特征在于，所述miRNA相似性网络视图包括miRNA功能相似性视图MS1、miRNA语义相似性视图MS2以及miRNA序列相似性视图MS3；

所述疾病相似性视图包括疾病语义相似性视图DS1、疾病表型相似性视图DS2、疾病症状相似性视图DS3；

所述二分网络视图包括miRNA-基因关联图、基因-基因关联图以及疾病-基因关联图。

3.根据权利要求2所述的方法，其特征在于，所述miRNA功能相似性视图MS1是根据miRNA-基因的关联图以及基因-基因关联图计算获得，以矩阵形式存储miRNA节点之间的相似性值，具体步骤如下：

首先，从HumanNet下载基因-基因关联数据，获得两个基因间的相互作用强度，通过下式归一化基因-基因关联：

其中，LLS(g_i,g_j)表示基因g_i与基因g_j的相互作用强度，LLS_min和LLS_max分别表示HumanNet中最大的LLS值与最小的LLS值；

其次，计算基因g_i与基因g_j的相似性S(g_i,g_j)：

然后，计算基因与基因集合的相似性，令表示基因集合，基因g_t与G的相似性S(g_t,G)：

最后，计算两个miRNAm_i与m_j的相似性：

其中，G_i与G_j分别表示m_i与m_j所对应的基因集合，|G_i|和|G_j|分别表示基因集合G_i与G_j中基因的个数。