[发明专利]基于KATZ模型的代谢物与疾病关联关系预测方法

说明书

本发明公开了一种基于KATZ模型的代谢物与疾病关联关系预测方法，将已知的代谢物与疾病关系转化为关系网络、计算相应的疾病、代谢的相似性、分别构建疾病和代谢相似性网络、通过KATZ模型进行代谢物与疾病关系的预测、通过几种交叉验证方法验证预测关系的准确度、通过案例分析进一步检验方法的可用性。本发明方法能预测出新的代谢物与疾病关系并且部分关系已经有文献验证暂未被数据库收录；验证结果表明，AUC指标性能较优；与其他关键蛋白质识别方法相比，将疾病的生物特性(语义相似性)和拓扑特性(高斯内核相似性)性融合，提高了预测方法挖掘潜在关系的准确度。

技术领域

本发明属于生物信息领域，具体涉及一种基于KATZ模型的代谢物与疾病关联关系预测方法。

背景技术

代谢是一系列有序化学反应的统称，在维持人类生命中起着至关重要的作用，如生物体的生长和繁殖以及机体对外部环境的反应。大量的研究和实验表明，患病时候的机体与正常时的机体相比，体内的某些代谢物的浓度是不同的。因此，相关的代谢物-疾病关联关系成为了医生诊断和治疗病人的重要依据。生活中最常见的例子有很多比如糖尿病。人们谈到血糖时可能会自然而然地想到糖尿病。造成这种现象的原因是因为糖尿病患者体内的血糖浓度通常高于正常人。在过去的十年里，经过大量的实验和临床病例，血糖等浓度变化显著的代谢物逐渐成为医生诊断糖尿病的标准之一。同时也进一步的说明了代谢产物在人类疾病研究中发挥着不可或缺的作用。随着高通量代谢组学技术的发展，研究人员可以获得大量的有关代谢与疾病的宝贵信息。同时，代谢组学数据库的逐渐完善也促进了代谢组学的发展，例如HMDB数据库。然而，被证明有关系的代谢物-疾病对还只是冰山一角，还有成千上万种代谢和疾病的关联关系需要被测试和证明。传统的生物实验如果需要验证一些假设，通常需要相当长的时间才能得到结果。如果结果和假设的偏差太大，或者实验结果证明假设没有多大意义，实验者就会承担一定的损失如时间，人力，资金等。因此，发展相关的能节省实时间和资金以及提高准确率的预测方法是必不可少的。相关的预测方法在生物信息学的这几个领域中飞速发展：基因组学，如预测基因-疾病的潜在关系；转录学，如环状RNA-疾病的预测；蛋白质组学，如识别关键蛋白，但在代谢组学领域上，可用来的预测方法屈指可数。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种基于KATZ模型的代谢物与疾病关联关系预测方法，本发明能够以现有的已知关系为基础，通过预测方法去挖掘潜在的代谢物与疾病关联关系。

为了达到上述目的，本发明采用以下技术方案予以实现：

基于KATZ模型的代谢物与疾病关联关系预测方法，包括以下步骤：

(1)将已知的代谢物与疾病关系转化为已知的代谢物与疾病网：

首先从人类代谢物数据库将已知的代谢物与疾病关系转化成一个邻接矩阵M(nd*nm)，其中nd代表疾病的总个数，nm代表代谢的总个数，将对应的有关系的疾病和代谢的值设为1，否则为0。

(2)计算疾病语义相似性：

根据Mesh数据库里每个疾病对应的有向无环图，计算出我们提取出的病对应的语义贡献值，进而得到任意两个疾病的语义相似性。

(3)分别计算代谢和疾病的高斯内核相似性：

根据已知的代谢物与疾病网络的拓扑特性以及相似的代谢(疾病)可能对同一疾病(代谢)有相同的或相似的作用关系的假设，分别计算出代谢高斯内核相似性及疾病高斯内核相似性。

(4)分别构建疾病和代谢相似性网络：

根据疾病的语义相似性及高斯相似性，若疾病对的语义相似性为0，则用相应的高斯核进行代替，若疾病对的语义相似性不为0，则将疾病对的语义相似性和高斯相似性按照一定的权重进行融合，得到疾病相似性矩阵SD从而构建出疾病相似性网络，另外直接通过代谢物的高斯内核相似性得到代谢物相似性矩阵SM从而构建代谢物相似性网络。