[发明专利]一种在生物关联网络中进行疾病关联关系预测的方法

说明书

本发明公开了一种在生物关联网络中进行疾病关联关系预测的方法：S1、建立非编码RNA的多核表示和疾病的多核表示S2、采用中心核对齐的计算方法将非编码RNA的多核和疾病的多核，分别进行融合获得最优核和S3、采用奇异值分解的计算方法将融合后的最优核分解为两个矩阵，即和S4、使用超图正则项的三矩阵分解方法对矩阵和进行计算，获得超图拉普拉斯矩阵和S5、通过交叉验证的方法对超图拉普拉斯矩阵和计算，获得新的关联关系矩阵，Y^*＝AΘB^T；本发明解决了非编码RNA与疾病的关联关系预测问题，将超图拉普拉斯正则项加入三矩阵分解计算中，并采用中心核对齐的多核融合方法，明显提高了预测精度。

技术领域

本发明属于生物信息学中的生物关联网络预测算法领域，尤其涉及一种在生物关联网络中进行疾病关联关系预测的方法。

背景技术

非编码RNA与疾病之间的准确相关性对人类生物医学研究的治疗有很大帮助。然而，传统技术只应用于一种非编码RNA或一种特定疾病，两者分离进行，实验方法耗时且昂贵。基于已知非编码RNA和疾病相关信息，已经提出了许多计算工具检测新关联。由于非编码RNA(ncRNAs)，包括环状RNA(circRNAs)、微RNA(miRNAs)和长非编码RNA(lncRNAs)，与人类各种疾病的进展密切相关，因此开发有效的计算方法预测ncRNA-疾病关联至关重要。

发明内容

针对现有技术存在的问题，本发明的目的在于提供了一种在生物关联网络中进行疾病关联关系预测的方法。该方法使用中心核对齐的多核学习算法将多个核融合起来，再使用基于超图正则项的三矩阵分解方法训练，预测非编码RNA和疾病的新关联关系。

为了解决现有技术存在的问题，本发明采用如下技术方案：

一种在生物关联网络中进行疾病关联关系预测的方法，包括如下步骤：

S1、建立非编码RNA的多核表示和疾病的多核表示其中，u和v为非编码RNA和疾病的表示空间的核数目；

S2、采用中心核对齐方法将非编码RNA的核和疾病的核分别融合，获得最优核和

S3、采用奇异值分解方法将融合后的最优核分解为两个矩阵，即和计算过程如下：

其中，A和B为低秩近似矩阵；r_nc和r_d分别是非编码RNA和疾病的潜在特征空间维度；

S4、使用超图正则项的三矩阵分解方法对矩阵和计算，获得超图拉普拉斯矩阵和

S5、通过交叉验证方法对超图拉普拉斯矩阵和计算，获得新关联关系矩阵，Y^*＝AΘB^T。

进一步，所述步骤S4中超图拉普拉斯矩阵和计算公式如下：

L^h＝I-Θ

其中，I是单位矩阵。

进一步，所述步骤S5中通过交叉验证方法对超图拉普拉斯矩阵和计算过程如下：

A^TAΘB^TB+λ₁A^TL₁AΘB^TB+λ₂A^TAΘB^TL₂B＝A^TY_trainB