[发明专利]基于元路径的miRNA-疾病关联预测方法

说明书

本发明提出了一种基于元路径的miRNA‑疾病关联预测方法，解决现有技术中存在的预测精度较低和预测范围较窄的技术问题，实现步骤为：(1)获取正样本集和负样本集；(2)构建miRNA‑疾病‑基因关联网络；(3)获取元路径集合；(4)获取每种元路径的元路径实例集合；(5)构建基于元路径的图神经网络模型；(6)对基于元路径的图神经网络进行迭代训练；(7)获取miRNA和疾病的预测结果。本发明提高了miRNA‑疾病关联的预测精度和广度，可为miRNA和疾病的生物实验提供最可能相关的miRNA‑疾病关联对。

技术领域

本发明属于生物信息技术领域，涉及一种miRNA-疾病关联预测方法，具体涉及一种基于元路径的miRNA-疾病关联预测方法。

背景技术

miRNA是一类由内源基因编码的非编码单链RNA分子，其长度约为22个核苷酸，主要通过序列特异性碱基配对与靶mRNA结合，并参与转录后基因表达调控。miRNA可以影响各种生物过程，包括细胞增殖、发育、分化、细胞凋亡、代谢、衰老、信号转导、病毒感染等。随着科学技术的发展，研究人员建立了许多用于存储miRNA信息的数据库，为使用计算方法来预测miRNA与疾病的关联提供了数据支持。计算模型能够在短时间内获得最可能相关的miRNA-疾病对，为生物学实验提供指导。

例如，2017年You等人在《Plos Computational Biology》中发表的名称为“PBMDA:A novel and effective path-based computational model for miRNA-diseaseassociation prediction”的论文，公开了一种基于路径的miRNA-疾病关联预测方法，该方法提出miRNA与疾病之间的路径越多，它们之间关联的可能性就越大，且它们之间所有路径的累积贡献都可以整合为最终分数的假设，使用特定的深度优先搜索算法遍历图中的所有长度不超过3的无环路径，通过miRNA与疾病之间路径的个数和长度来评估两者之间的关联概率。

又如，申请公布号为CN 109935332 A，名称为“一种基于双随机游走模型的miRNA-疾病关联预测方法”的专利申请，公开了一种基于双随机游走模型的miRNA-疾病关联预测方法，该方法首先构建关于miRNA-疾病关联的邻接矩阵，然后使用邻接矩阵构建miRNA和疾病的高斯相互作用属性核相似性矩阵、miRNA功能相似性矩阵以及疾病语义相似性矩阵，接下来使用相似网络融合算法整合疾病和miRNA的相似性，最后依据双随机游走模型来预测miRNA-疾病关联关系。

然而，上述算法仅通过路径的长度、个数和节点间的相似性来评估miRNA与疾病的关联概率，无法捕获到路径中节点的特征信息，限制了预测精度的提升，且不适用于预测新疾病，即没有已知关联miRNA的疾病，与miRNA的关联，导致预测范围受限。

发明内容

本发明的目的在于克服上述现有技术的不足，提出一种基于元路径的miRNA-疾病关联预测方法，旨在解决现有技术中存在的预测精度较低和预测范围较窄的技术问题。

为实现上述目的，本发明采取的技术方案包括如下步骤：

(1)获取正样本集Ω和负样本集Ω^-：