[发明专利]一种miRNA与疾病的关联预测方法及系统

说明书

本发明提供了一种miRNA与疾病的关联预测方法及系统，属于miRNA与疾病的关联预测技术领域。首先在相似度矩阵生成过程中融合其他生物学数据来计算miRNA和疾病的高斯谱核相似度，根据功能或语义相似度的miRNA或疾病所占的比重来计算相似度融合的权重，得到更加合理的综合相似度矩阵；基于归纳矩阵分解，对原始矩阵的模拟分解为两个参数矩阵，并设计双流生成器，生成低秩的相似度投影系数矩阵；添加Dropout层以保证生成矩阵的稀疏性，最后，对多次生成结果取均值获得最终的miRNA疾病关联预测结果，获得更高的miRNA与疾病关联预测能力和预测的可靠性，为科研人员确定疾病关联的候选miRNA提供辅助决策。

技术领域

本发明属于miRNA与疾病的关联预测技术领域，尤其涉及一种miRNA与疾病的关联预测方法及系统。

背景技术

随着生物学对人体研究的深入，发现人体内的非编码RNA(ncRNA)对人体的各种生物过程起着十分重要的作用。miRNA是一组单链内源短链ncRNA，miRNA通过与mRNA的碱基配对抑制基因的转录和表达，与各种疾病尤其是癌症的发生密切相关。然而确定miRNA与疾病的关联的生物实验昂贵而费时，因此使用计算模型预测miRNA和疾病的关联显得尤为重要。

应用计算模型预测miRNA和疾病的关联时，通常首先通过miRNA的功能相关性和miRNA的其他信息计算miRNA的综合相似度矩阵，然后通过疾病的有向无环图(DAG)计算疾病的语义相关性并结合其他疾病相关信息计算语义相似度矩阵，最后结合已知的miRNA与疾病关联矩阵，对未知的miRNA与疾病关联进行预测。

现有研究中提出基于变分自动编码器(VAE)的模型VAEMDA，将miRNA相似度矩阵、疾病相似度矩阵分别与已知miRNA疾病关联矩阵拼接获得两个拼接矩阵，然后将两个拼接矩阵分别送入VAE中学习分布得到新的miRNA疾病关联矩阵，最终将两个VAE学习到的新的miRNA疾病关联矩阵进行平均获得最终miRNA疾病关联评分。但VAEMDA在未知关联矩阵真实分布的情况下，强制将原来的关联矩阵投影到高斯分布上，这将导致最终模型生成的关联矩阵缺乏合理性；另外，VAEMDA没有对生成的预测矩阵的低秩性和稀疏性进行约束，影响最终结果的准确性。

发明内容

针对现有技术中的上述不足，本发明提供的一种miRNA与疾病的关联预测方法及系统，以解决现有关联预测中缺乏合理性以及准确度不高的问题。

为了达到以上目的，本发明采用的技术方案为：

本方案提供一种miRNA与疾病的关联预测方法，包括以下步骤：

S1、获取miRNA和疾病数据，并根据miRNA和疾病数据结合额外生物信息，构建综合相似度矩阵；

S2、基于归纳矩阵分解设计双流生成器，并将所述综合相似度矩阵作为双流生成器的固定参数训练双流生成器和判别器，生成miRNA与疾病关联预测矩阵；

S3、利用所述miRNA与疾病关联预测矩阵对疾病关联进行预测，完成miRNA与疾病关联的预测。

本发明的有益效果是：本发明融合其他生物数据计算综合相似度矩阵，基于归纳矩阵分解的GAN能够从分布的角度预测miRNA和疾病的关联，获得更高的miRNA与疾病关联预测能力，提高预测的可靠性，为科研人员确定疾病关联的候选miRNA提供辅助决策。

进一步地，所述步骤S1包括以下步骤：

S101、收集miRNA功能相似度数据，并构建miRNA功能相似度矩阵FM；

S102、获取疾病术语，对每个疾病构建有向无环图DAG，并基于语义影响逐层递减的假设构建第一语义值；

S103、根据所述第一语义值，计算得到疾病d_i和疾病d_j的第一语义相似度；