[发明专利]一种基于网络模型的circRNA-疾病关联预测方法

说明书

本发明公开一种基于网络模型的circRNA‑疾病关联预测方法，其特征在于，包括如下步骤：1）获取circRNA‑疾病关联数据集，构建关于circRNA‑疾病关联的邻接矩阵A；2）构建circRNA高斯相互作用属性核相似性矩阵KC；3）构建疾病高斯相互作用属性核相似性矩阵KD；4）依据网络一致性投影模型对circRNA‑疾病关联预测。这种方法成本低、能提高circRNA‑疾病关联预测精度。

技术领域

本发明涉及生物信息学和人工智能交叉领域，具体是一种基于网络模型的circRNA-疾病关联预测方法。

背景技术

众所周知，遗传信息存储在蛋白质编码基因中，这被称为分子生物学的中心法则。因此，RNA在相当长的时间内仅被认为是DNA序列与其编码的蛋白质之间的中介。最近的研究表明，蛋白质编码基因仅占人类基因组的很小一部分(大约1.5％)。换句话说，超过98％的人类基因组不编码蛋白质序列。特别的，已经观察到非蛋白质编码序列的比例随着生物的复杂性而增加。这些事实挑战了前面提到的RNA的传统观点。此外，越来越多的证据表明，非编码RNA(ncRNA)通常在各种生物过程中发挥关键作用。环状RNA(circRNA)是一类非常重要的ncRNA，circRNA分子以共价键形成封闭环状结构，是一类不具有5'末端帽子和3'末端poly(A)尾巴的特殊内源性ncRNA，具有广泛性、保守性、组织特异性以及稳定性等特性。

在最近几年的研究中，人们发现circRNA在各种各样的生物过程中扮演着重要的角色。其参与糖尿病、心血管疾病、神经系统疾病、以及肿瘤等疾病的发生、发展过程，并发挥重要的调控作用。众多研究显示，circRNA可作为新型的疾病临床诊断标志物或人类疾病治疗的潜在靶点，广泛用于疾病诊断、治疗以及预后。最近一段时间，关于circRNA和疾病关联的研究成果也越来越多，例如，circRNA与乳腺癌的关联研究中，Huang(Huang X,Xie X,Wang H,Xiao X,Yang L,Tian Z,Guo X,Zhang L,Tang H,Xie X:PDL1And LDHA act asceRNAs in triple negative breast cancer by regulating miR-34a.Journal ofExperimental&Clinical Cancer Research 2017,36(1):129.)等人通过定量逆转录-聚合酶链反应(qRT-PCR)、微阵列分析方法得出circRNA:circGFRA1在乳腺癌的发生、发展发挥调控作用。因此，circGFRA1可作为乳腺癌治疗的诊断生物标志物和潜在靶标。CircRNA与胃癌的关联研究中，Sun(Sun H,Tang W,Rong D,Jin H,Fu K,Zhang W,Liu Z,Cao H,Cao X:Hsa_circ_0000520,a potential new circular RNA biomarker,is involved ingastric carcinoma.Cancer Biomarkers2018,21(2):299.)等人通过实验证实circRNA:hsa_circ_0000520可作为胃癌的新型标志物并参与胃癌的发展。

综上所述，识别circRNA-疾病的关联，有利于对疾病的治疗、诊断以及预后，从而提高并改善人类的医疗水平。但是，由于传统的生物实验方法识别circRNA-疾病的关联，不仅需要耗费大量的时间，而且浪费人力和财力，因此迫切需要一种快捷的方法来识别circRNA-疾病的关联,从而降低成本，指导生物医学研究。然而，到目前为止，还没有一个很好的方法去解决这一问题。

发明内容

本发明的目的是针对现有技术的不足，而提供一种基于网络模型的circRNA-疾病关联预测方法。这种方法成本低、能提高circRNA-疾病关联预测精度。

实现本发明目的的技术方案是：

一种基于网络模型的circRNA-疾病关联预测方法，与现有技术不同处在于，包括如下步骤：