[发明专利]基于条件随机场的微生物-疾病关联性预测方法及系统

说明书

本发明公开了一种基于条件随机场的图卷积网络预测微生物‑疾病关联方法，所述方法包括：获取微生物和疾病的对应关系数据，构建微生物‑疾病关联矩阵；根据所述微生物‑疾病关联矩阵，获取微生物之间和疾病之间的相似性矩阵，与微生物‑疾病关联矩阵整合得到邻接矩阵；对所述微生物之间和疾病之间的相似性矩阵分别进行特征提取，组合得到特征矩阵；基于图卷积网络，根据所述邻接矩阵和特征矩阵，生成嵌入向量；根据条件随机场对嵌入向量进行更新；根据更新后的嵌入向量对关联矩阵进行重构。本发明通过图卷积网络，充分挖掘了微生物和疾病的特征，通过引入CRF层，保证了相似的微生物或疾病在特征空间也具有相似的嵌入，提高了关联预测的准确性。

技术领域

本发明属于医疗数据处理技术领域，尤其涉及一种基于条件随机场的微生物-疾病关联性预测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

微生物是一种微小的有机体，它可能以单细胞形式存在，也可能存在于一群细胞中。近年来，随着微生物被发现与许多复杂人类疾病的预防、诊断和治疗密切相关，越来越多的研究人员致力于揭示微生物与疾病的相关性。作为对传统实验的有效补充，越来越多的基于各种算法的计算模型被提出用于微生物-疾病关联预测，以提高效率和节约成本。

然而，尽管许多研究致力于揭示微生物在人类疾病发病机制中的作用，但对于微生物在人体中如何影响人类健康和致病系统的了解仍然很少。因此，有必要探讨微生物与疾病的相互关系。近年来，基于已知的微生物和疾病关系数据集，研究人员提出了越来越多的预测微生物与疾病的计算方法，例如基于KATZ方法的KATZHMDA、基于路径的PBHMDA、基于随机游走的PRWHMDA、基于机器学习的LRLSHMDA和基于元图的WMGHMDA等算法，但是，一方面，这些方法需要不断调整参数，以达到最优效果，效率较低；另一方面，缺少对于微生物之间和疾病之间特征的深入挖掘，影响了预测精度。

发明内容

为克服上述现有技术的不足，本发明提供了一种基于条件随机场的图卷积网络的微生物-疾病关联性预测方法及系统。通过图卷积网络条件随机场，以确保相似的药物(或微生物)在特征空间中也是相似的，即具有相似的嵌入。从而能够充分挖掘微生物与疾病之间的潜在关联关系，提高预测的准确率。

为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

一种基于条件随机场的图卷积网络预测微生物-疾病关联方法，包括以下步骤：

获取微生物和疾病的对应关系数据，构建微生物-疾病关联矩阵；

根据所述微生物-疾病关联矩阵，获取微生物之间和疾病之间的相似性矩阵，与微生物-疾病关联矩阵整合得到邻接矩阵；

对所述微生物之间和疾病之间的相似性矩阵分别进行特征提取，组合得到特征矩阵；

基于图卷积网络，根据所述邻接矩阵和特征矩阵，生成嵌入向量；

根据条件随机场对嵌入向量进行更新；

根据更新后的嵌入向量对关联矩阵进行重构。

进一步地，所述微生物-疾病关联矩阵的每一行表示一种微生物，每一列表示一种疾病，矩阵中的元素表示相应微生物和疾病之间是否有关。

进一步地，微生物相似性矩阵计算方法为：

分别计算微生物的高斯相互作用剖面核相似性和余弦相似性，并根据高斯相互作用剖面核相似性和余弦相似性得到微生物的综合相似性。

进一步地，疾病相似性矩阵计算方法为：

分别计算疾病的高斯相互作用剖面核相似性和功能相似性，并根据高斯相互作用剖面核相似性和功能相似性得到疾病的综合相似性。