[发明专利]基于拉普拉斯正则化最小二乘和网络投影的lncRNA-疾病关联预测方法和系统

权利要求书

1.基于拉普拉斯正则化最小二乘和网络投影的lncRNA-疾病关联预测方法，其特征在于，包括以下步骤：

步骤一、在疾病语义相似性的基础上结合疾病高斯核谱相似性得到综合的疾病相似度矩阵；在lncRNA功能相似性的基础上结合lncRNA高斯核谱相似性得到综合的lncRNA相似度矩阵；

步骤二、在综合的疾病相似度矩阵中实施拉普拉斯正则化最小二乘法得到疾病预估得分矩阵，在综合的lncRNA相似度矩阵中实施拉普拉斯正则化最小二乘法得到lncRNA预估得分矩阵，再将疾病预估得分矩阵和lncRNA预估得分矩阵整合获得lncRNA与疾病关联复合预估得分矩阵；

步骤三、将综合的疾病相似度矩阵在lncRNA与疾病关联复合预估得分矩阵上投影得到一个投影得分矩阵，将综合的lncRNA相似度矩阵在lncRNA与疾病关联复合预估得分矩阵上投影得到另一个投影得分矩阵，接着将基于综合的疾病相似度矩阵的投影得分矩阵的转置矩阵与基于综合的lncRNA相似度矩阵的投影得分矩阵进行结合，并求其平均值，得到最终lncRNA与疾病关联预测得分，进而得出疾病关联lncRNA预测结果。

2.根据权利要求1所述的基于拉普拉斯正则化最小二乘和网络投影的lncRNA-疾病关联预测方法，其特征在于，步骤一中，疾病高斯核谱相似性表示为：

；

其中，为疾病和疾病之间的高斯核谱相似性；为已知疾病关联lncRNA矩阵中疾病的第i列，为矩阵中疾病的第j列；参数用来控制的内核带宽，通过下式计算得到：

。

3.根据权利要求2所述的基于拉普拉斯正则化最小二乘和网络投影的lncRNA-疾病关联预测方法，其特征在于，步骤一中，lncRNA高斯核谱相似性表示为：

；

其中，为lncRNA和lncRNA之间的高斯核谱相似性；为矩阵中lncRNA的第i列，为矩阵中lncRNA的第j列；参数用来控制的内核带宽，通过下式计算得到：

。

4.根据权利要求3所述的基于拉普拉斯正则化最小二乘和网络投影的lncRNA-疾病关联预测方法，其特征在于，步骤一中，

在疾病语义相似性的基础上结合疾病高斯核谱相似性得到综合的疾病相似度矩阵为：

；

在lncRNA功能相似性的基础上结合lncRNA高斯核谱相似性得到综合的lncRNA相似度矩阵为：

。

5.根据权利要求4所述的基于拉普拉斯正则化最小二乘和网络投影的lncRNA-疾病关联预测方法，其特征在于，步骤二中，在综合的疾病相似度矩阵中实施拉普拉斯正则化最小二乘法得到疾病预估得分矩阵：

；

其中，通过求解下式的优化问题得到疾病预估得分矩阵：

；

是一个对角矩阵；为的第i行的所有元素之和；为平衡参数；为Frobenius范数。

6.根据权利要求5所述的基于拉普拉斯正则化最小二乘和网络投影的lncRNA-疾病关联预测方法，其特征在于，步骤二中，在综合的lncRNA相似度矩阵中实施拉普拉斯正则化最小二乘法得到lncRNA预估得分矩阵：

；

其中，通过求解下式的优化问题得到lncRNA预估得分矩阵：

；

是一个对角矩阵；为的第i行的所有元素之和；为平衡参数；为Frobenius范数。

7.根据权利要求6所述的基于拉普拉斯正则化最小二乘和网络投影的lncRNA-疾病关联预测方法，其特征在于，步骤二中，按以下方式整合疾病预估得分矩阵和lncRNA预估得分矩阵，得到lncRNA与疾病关联复合预估得分矩阵：

；

其中， 为的转置矩阵。