[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有效
申请号: | 202110128089.X | 申请日: | 2021-01-29 |
公开(公告)号: | CN112784913B | 公开(公告)日: | 2023-07-25 |
发明(设计)人: | 骆嘉伟;阳飞;蔡洁 | 申请(专利权)人: | 湖南大学 |
主分类号: | G06V10/74 | 分类号: | G06V10/74;G06V10/80;G06V10/82;G06N3/0464;G06N3/08 |
代理公司: | 长沙市融智专利事务所(普通合伙) 43114 | 代理人: | 龚燕妮 |
地址: | 410082 湖*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 神经网络 融合 视图 信息 mirna 疾病 关联 预测 方法 装置 | ||
本发明公开了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,该方法整合了miRNA‑疾病相关的多组学数据构建了多个视图,不仅考虑多个同质的相似性网络,还考虑了异质的二分网络,结合图神经网络与多视图学习提取各个视图上的节点特征,并通过判别器捕获全局特征与局部特征之间的依赖性,能更好的捕获miRNA与疾病之间的复杂非线性关系。
技术领域
本发明涉及生物人工智能领域,特别涉及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。
背景技术
MicroRNA(miRNA)是一类重要的小型非编码RNA分子,通过降解mRNA或者抑制mRNA翻译来调节基因表达。越来越多的证据表明,miRNA在多种癌症相关通路中起着至关重要的作用。因此,识别miRNA-疾病关联可以为了解疾病潜在的致病机理提供新的方向。
利用生物实验鉴别miRNA-疾病关联通常具有较高的准确率,但需要耗费大量的资源和时间成本。近年来,随着人类基因组计划和高通量测序技术的出现及发展,各种生物组学数据呈指数增长,为利用计算方法识别miRNA-疾病关联提供了前所未有的机会,许多预测miRNA-疾病关联的计算方法被提出。然而,现有的技术只考虑了miRNA与疾病之间的片面信息,不能充分的利用多源多组学数据的信息互补。
大量的研究表明多组学数据为机器学习模型提供了同一样本的不同视图,并有望更好地表征生物过程。因此,有必要设计一种能充分利用多组学数据学习miRNA和疾病关系的方法。
发明内容
本发明的目的是提供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,旨在结合图神经网络与多视图学习,在一定程度上解决现有技术中的预测miRNA-疾病关联计算方法不能充分利用多组学数据的信息互补,难以捕获miRNA与疾病之间复杂的非线性关系以及预测准确度偏低的问题。
本发明提供的技术方案如下:
一方面,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,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。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于湖南大学,未经湖南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110128089.X/2.html,转载请声明来源钻瓜专利网。