[发明专利]一种基于异质网的基因相似性搜索方法

摘要

本发明涉及一种基于异质网的基因相似性搜索算法，获取基因‑疾病‑表型关联信息、疾病本体信息、表型本体信息，建立基因‑疾病‑表型异质网、疾病和表型本体有向无环图。首先，分别基于疾病、表型本体有向无环图，计算疾病本体和表型本体的语义相似性；其次，分别基于基因‑疾病网络和疾病‑表型网络计算疾病、表型的拓扑相似性，并将语义相似性和拓扑相似性进行融合；然后，将疾病本体的相似性网络和表型本体的相似性网络通过构建邻接矩阵的方式融入基因‑疾病‑表型异质网中，利用二部图算法分别计算基因和疾病之间的关联程度、疾病和表型之间的关联程度；通过以上步骤构建一个蕴含丰富生物信息的加权异质网，在此基础上应用PathSim算法计算基因的相似性，提高基因相似性搜索算法的准确率。

主权项

1.一种基于异质网的基因相似性搜索算法，其特征在于，采用如下步骤：步骤1、建立基因‑疾病‑表型异质网、疾病本体有向无环图、表型本体有向无环图、基因‑疾病二分网络即基因疾病邻接矩阵S_gd、疾病‑表型二分网络即疾病表型邻接矩阵S_dp；通过对获取到的基因‑疾病‑表型关联数据、疾病本体数据、表型本体数据进行整理和处理，构建基因‑疾病‑表型异质网、疾病本体有向无环图、表型本体有向无环图、基因‑疾病二分网络和疾病‑表型二分网络；步骤2、基于步骤1中构建的疾病本体和表型本体的有向无环图，利用一种基于边的方法分别计算疾病语义相似性矩阵S_dis和表型的语义相似性矩阵S_hpo；步骤3、利用高斯核函数计算疾病本体的拓扑相似性矩阵K_d和表型本体的拓扑相似性矩阵K_p：在步骤1构建的基因疾病邻接矩阵S_gd和疾病表型邻接矩阵S_dp的基础上，采用高斯核函数计算疾病本体的拓扑相似性矩阵K_d和表型本体的拓扑相似性矩阵K_p；步骤4、分别将疾病和表型的语义相似性矩阵和拓扑相似性矩阵进行融合得到疾病相似性矩阵S_d和表型的相似性矩阵S_p；将步骤2得到的疾病语义相似性矩阵S_dis和步骤3得到的疾病拓扑相似性矩阵K_d进行融合得到疾病相似性矩阵S_d；将步骤2得到的表型语义相似性矩阵S_hpo和步骤3得到的表型拓扑相似性矩阵K_p进行融合得到表型相似性矩阵S_p；步骤5、利用二部图算法计算基因‑疾病二分网络中的链接权重：(a)将步骤4得到的疾病相似性矩阵S_d融入基因‑疾病二分网络中，即将基因疾病邻接矩阵S_gd与疾病相似性矩阵S_d相乘，构建基因疾病整合邻接矩阵A_gd；(b)先进行疾病到基因的第一次资源扩散，即资源通过基因疾病整合邻接矩阵A_gd从疾病扩散到基因；(c)再进行基因到疾病的第二次资源扩散，将(b)中第一次资源扩散的结果通过基因疾病整合邻接矩阵A_gd从基因扩散到疾病，并将第二次扩散的结果与步骤1中初始的基因疾病的关联关系即基因疾病邻接矩阵S_gd按比例结合；通过步骤5得到基因‑疾病关联矩阵WS_gd，该矩阵中的每一个数值代表基因到疾病的关联程度；步骤6、利用二部图算法计算疾病‑表型二分网络中链接的权重：(a)将步骤4得到的表型相似性矩阵S_p融入疾病‑表型二分网络中，即将疾病表型邻接矩阵S_dp与表型相似性矩阵S_p相乘，构建疾病表型的整合邻接矩阵A_dp；(b)先进行表型到疾病的第一次资源扩散，即资源通过疾病表型整合邻接矩阵A_dp从表型扩散到疾病；(c)再进行疾病到表型的第二次资源扩散，将(b)中第一次资源扩散的结果通过疾病表型整合邻接矩阵A_dp从疾病扩散到表型，并将第二次扩散的结果与步骤1中初始的疾病表型的关联关系即疾病表型邻接矩阵S_dp按比例结合；通过步骤6得到疾病‑表型关联矩阵WS_dp，该矩阵中的每一个数值代表疾病到表型的关联程度；通过前6个步骤形成一个加权的基因‑疾病‑表型异质网；步骤7、在加权的基因‑疾病‑表型异质网中，应用PathSim算法计算基因的相似性：首先计算基因通过基因‑疾病‑表型‑疾病‑基因元路径到每个表型的链接权重，即将步骤5中得到的基因‑疾病关联矩阵WS_gd和步骤6得到的疾病‑表型关联矩阵WS_dp相乘得到基因‑表型关联矩阵WS_gp；其次，根据基因‑表型关联矩阵WS_gp计算通过基因‑疾病‑表型‑疾病‑基因元路径可达的链接权重之和；最后，利用PathSim算法计算基因间的相似度。