[发明专利]融合多尺度模块结构信息的致病基因识别方法及系统

说明书

本发明公开了一种融合多尺度模块结构信息的致病基因识别方法及系统，通过基于模块度优化的多尺度模块识别算法提取多尺度模块划分；对于每个尺度的模块划分，计算模块的疾病相关性分值和基因的疾病相关性分值，并获得基因的排序列表；基于朴素贝叶斯理论，计算来自多尺度模块划分的基因排序列表的聚合分值列表和对应的基因排序列表；将基于多尺度模块结构的基因排序列表和基于网络随机游走的基因排序列表融合以得到最终的综合的基因分值列表，并计算得到最终的基因排序列表，从而识别致病基因。本发明的方法通过网络多尺度模块挖掘，能够有效地利用隐藏在网络多尺度模块结构中的信息，从而获得更强的识别致病基因的能力。

技术领域

本发明涉及生物信息学领域，特别是一种融合多尺度模块结构信息的致病基因识别方法及系统。

背景技术

人类疾病基因发现的进展增加了人们对人类疾病潜在分子基础的认识，但已知与疾病相关的致病基因只占发病率的很小比例，还有许多疾病致病基因有待进一步探索。传统的方法往往提供一长串候选基因，需要大量耗时的实验鉴定。因此，开发预测疾病致病基因的计算算法对于加速疾病相关基因的发现具有重要意义。

基于网络的算法已经成为疾病致病基因预测的流行策略。例如，一些算法通过考虑已知疾病相关基因的直接邻居来推断疾病相关基因；一些算法进一步考虑候选基因与网络中已知疾病致病基因(集合)之间的最短路径距离或接近度；一些算法利用网络传播来提取疾病相关信息；一些基于模块的算法也应用于疾病致病基因/模块以及相关问题的分析。模块结构或者说群落结构，在生物分子网络中无处不在，人类疾病的模块结构可为疾病的研究提供有用的见解，但在疾病致病基因预测中还没有得到充分的探索。

多尺度模块检测是研究生物分子网络等复杂系统的重要手段，因为多尺度结构广泛存在于各种自然和人工复杂系统中。例如，蛋白质网络中的模块可包含若干子模块，例如，许多蛋白质复合物(例如SAGA)包含若干次级复合物。多尺度模块结构比单尺度模块结构能提供更多的信息，许多的多尺度模块分解方法已被提出并应用于生物网络分析，但仍存在许多具有挑战性的问题，例如，现有技术并未研究和解决如何挖掘隐藏在多尺度结构中的有价值信息来识别疾病的致病基因。

发明内容

本发明所要解决的技术问题是，针对现有技术不足，提供一种融合多尺度模块结构信息的致病基因识别方法及系统，提高疾病的致病基因识别的准确性。

为解决上述技术问题，本发明所采用的技术方案是：一种融合多尺度模块结构信息的致病基因识别方法，包括以下步骤：

S1、通过模块度函数Q(γ)提取不同尺度下的基因网络模块划分；其中，模块度函数Q(γ)的表达式为：γ为分辨率参数，M表示基因网络中的边数目，表示模块s的内部度值，k_s表示模块s的总度值；

S2、计算所述不同尺度下的网络模块划分的疾病相关性分值和基因的疾病相关性分值，并获得不同尺度下的基因排位列表；

S3、计算所述不同尺度下的基因排位列表的聚合分值列表，从而获得对应的融合多尺度模块结构信息的聚合的基因排位列表计算基于网络随机游走的基因分值列表，通过所述基因分值列表的降序排列得到基于网络随机游走的基因排位列表

S4、融合步骤S3所得的融合多尺度模块结构信息的聚合的基因排位列表和基于网络随机游走的基因排位列表，得到最终的综合的基因计分列表，通过所述综合的基因计分列表计算基因综合得分，识别致病基因。

本发明通过多尺度模块挖掘算法从多个尺度上提取网络的模块结构，分别从每个尺度上的模块结构提取有助于疾病基因识别的信息，然后融合来自不同尺度上的信息，将这些信息与传统的网络随机游走方法提取的信息融合，从而能更有效的识别疾病候选基因。