[发明专利]一种基于向量的基因间语义相似度的计算方法

摘要

本发明公开了一种基于向量的基因间语义相似度的计算方法，该方法在已有的基于向量方法计算基因相似度的基础上，进一步考虑了基因本体的层次结构，在构造向量的过程中，不仅考虑了基因直接注释到的术语，也考虑了这些术语在基因本体中的孩子节点和父亲节点，使所生成的向量更全面更细致地体现基因的属性。

主权项

1.一种基于向量的基因间语义相似度的计算方法，其特征在于，该方法包括以下步骤：步骤1：初始化两个基因的向量，与基因直接注释到的术语相对应的分量初始化为1，其他分量均初始化为0，直接注释到的术语通过基因注释文件得到；步骤2：按照父子关系，找到与直接注释到的术语的父节点、祖父节点、子节点以及孙子节点，根据这些节点修正向量，具体包括：(1)、处理父节点对于每个基因直接注释到的每个术语，逐个处理其在基因本体中的父节点i，其修正过程由下面的公式描述：其中代表父节点i的值，是修正后的值，w_{is_a}表示基因本体中父子关系的语义贡献度；(2)、处理祖父节点逐个处理每个基因直接注释到的术语的祖父节点j；其修正过程由下面的公式描述：其中代表祖父节点j的值，是修正后的值，w_{is_a}表示基因本体中父子关系的语义贡献度；(3)、处理孩子节点对于每个基因直接注释到的术语的孩子节点k，其修正过程由下面的公式描述：其中代表孩子节点k的值，是修正后的值，w_{is_a}表示基因本体中父子关系的语义贡献度；(4)、处理孙子节点逐个处理每个基因直接注释到的术语的孙子节点l，其修正过程由下面的公式描述：其中代表孙子节点l的值，是修正后的值，w_{is_a}表示基因本体中父子关系的语义贡献度；步骤3：按照包含关系，找到与直接注释到的术语的父节点、祖父节点、子节点以及孙子节点，根据这些节点修正向量，具体包括：(1)、处理父节点对于每个基因直接注释到的每个术语，逐个处理其在基因本体中的父节点m；其修正过程由下面的公式描述：其中代表父节点m的值，是修正后的值，w_{part_of}表示基因本体中包含关系的语义贡献度；(2)、处理祖父节点逐个处理每个基因直接注释到的术语的祖父节点n；其修正过程由下面的公式描述：其中代表祖父节点n的值，是修正后的值，w_{part_of}表示基因本体中包含关系的语义贡献度；(3)、处理孩子节点对于每个基因直接注释到的术语的孩子节点o，这个修正过程由下面的公式描述：其中代表孩子节点o的值，是修正后的值，w_{part_of}表示基因本体中包含关系的语义贡献度；(4)、处理孙子节点逐个处理每个基因直接注释到的术语的孙子节点p，这个修正过程可由下面的公式描述：其中代表孙子节点p的值，是修正后的值，w_{part_of}表示基因本体中包含关系的语义贡献度；步骤4：计算两个向量的相似度，并用置信因子加以修正向量相似度计算：引入置信因子根据基因注释到的术语的数量来调整其相似度，其中置信因子的计算公式如下：λ＝ln(S1+S2)其中S1和S2分别表示基因1(G1)和基因2(G2)注释到的术语的总数；λ的作用是为了在基因注释到的术语的个数少的时候降低该基因的可信度；假设v1和v2分别代表基因1和基因2对应所有术语分量组成的向量，最终计算两个向量之间相似度的公式如下：