[发明专利]基于局部和全局特征的circRNA-疾病预测方法

说明书

本发明涉及系统生物学技术领域，具体涉及基于局部和全局特征的circRNA‑疾病预测方法。具体技术方案为：基于局部和全局特征的circRNA‑疾病预测方法，包括以下步骤：(1)构建circRNA‑疾病关联矩阵；(2)基于k跳封闭子图构造局部子图，对封闭子图进行打标签，将局部子图输入到图神经网络中进行局部特征提取；(3)通过分别计算circRNA和疾病的GIP和余弦相似度来获取全局特征；(4)多层感知机：得到局部特征和全局特征之后，通过多层感知机获得两个预测分数，通过加权获得最终的circRNA‑疾病预测分数。本发明解决了卷积图神经网络很难处理大图问题，以及基于局部和全局特征能有效地挖掘circRNA‑疾病网络的潜在特征，能较好地预测潜在的circRNA和疾病关联。

技术领域

本发明涉及系统生物学技术领域，具体涉及基于局部和全局特征的circRNA-疾病预测方法。

背景技术

随着高通量测序技术快速发展，越来越多的研究表明环状RNA(circRNA)与疾病之间有着密切联系，例如，癌症、一些神经性疾病、心脏病等一些常见疾病都已被证实与环状RNA有关。因此，预测潜在的circRNA与疾病的关联对疾病的诊断和治疗是非常有益的。仅仅通过生物实验来证实circRNA与疾病的关联是非常费时费力的，当前，已有不少的研究者致力于开发计算方法来更快捷方便的进行circRNA与疾病的关联预测。这些计算方法大致可以分为基于信息传播的方法、基于机器学习的方法以及基于深度学习的方法三类。具体如下：

(1)基于信息传播的方法。Fan等人提出一个名为KATZHCDA的计算模型来预测circRNA-疾病关联，该模型基于KATZ方法。KATZ是一种基于图的计算方法，可以用来计算异质网络中节点之间的相似性。KATZHCDA计算模型首先基于circRNA表达谱，疾病的表型相似性，circRNA和疾病的GIP相似性以及已知的circRNA-疾病关联来构建异质性网络。然后利用KATZ来预测circRNA-疾病关联。Lei等人提出了一种基于随机游走的计算模型(BRWSP)来预测潜在的circRNA-疾病关联。他们首先基于circRNA共表达相似性，基因相似性以及疾病相似性来构建一个异质性网络。然后通过在该异质网络上进行有偏见的随机游走得到circRNA和疾病之间的路径。最后通过搜索到的路径来获得circRNA-疾病之间的预测得分。相似地，Li等人提出DWNCPCDA方法来预测circRNA-疾病关联。他们首先基于deepwalk来学习节点嵌入，然后再通过网络一致性投影来发现未知的circRNA-疾病关联。Ge等人基于局部约束线性编码的计算模型(LLCDC)来预测与人类疾病相关的circRNAs。具体来说，他们通过使用局部约束性编码得到重建的相似性网络，然后在相似性网络上进行标签传播来预测circRNA-疾病关联。

(2)基于机器学习的方法。Wei等人提出了一种基于矩阵分解的计算模型(iCircDA-MF)来预测circRNA-疾病关联。他们先分别构建疾病和circRNA的相似矩阵。然后根据相似的circRNA和相似的疾病的相互作用情况来重新构建circRNA-疾病关联矩阵。最后再利用矩阵分解法获得circRNA-疾病的预测分数。类似地，Peng等人基于非负矩阵分解提出RNMFLP方法来预测circRNA-疾病关联，该方法还结合了标签传播算法。Xiao等人提出MRLDC计算方法来预测circRNA-疾病关联。具体来说，先通过circRNA相似网络、疾病相似网络和已知的circRNA-疾病关联来构建一个异质网络，然后采用一种加权的低秩近似优化算法来预测潜在的circRNA-疾病关联。Yan等人提出了一种基于正则化最小二乘法的计算方法(DWNN-RLS)来预测circRNA-疾病关联。首先计算circRNA和疾病的相似性。然后采用递减权重的K-近邻方法获得circRNA-疾病的初始分数。最后基于正则化最小二乘法预测潜在的circRNA-疾病关联。