[发明专利]基于KATZ模型的代谢物与疾病关联关系预测方法

摘要

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。

主权项

1.基于KATZ模型的代谢物与疾病关联关系预测方法，其特征在于，包括以下步骤：/n(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络/n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代表代谢物的总个数，将对应的有关系的疾病和代谢物的值设为1，否则为0，从而构建出已知的代谢物与疾病网络；/n(2)计算疾病间的语义相似性/n根据Mesh数据库里每个疾病对应的有向无环图，计算出疾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，即疾病对的语义相似性；/n(3)分别计算代谢物和疾病的高斯内核相似性/n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物或疾病对同一疾病或代谢物有相同的或相似的作用关系的假设，分别计算出代谢物高斯内核相似性及疾病高斯内核相似性；/n(4)分别构建疾病和代谢物相似性网络/n根据疾病对的语义相似性及疾病高斯内核相似性，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疾病高斯内核相似性按照设定的权重进行融合，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；/n(5)通过KATZ模型进行代谢物与疾病关系的预测/n结合疾病相似性矩阵SD、代谢物相似性矩阵SM、已知关系矩阵M并根据各个代谢物与疾病对之间的路径数量及每条路径的长度，计算出相应代谢物与疾病对的预测的得分，分数越靠前的关系对，则潜在的关联关系较大。/n