申请/专利权人：武汉纺织大学

申请日：2021-07-06

公开（公告）日：2021-11-02

公开（公告）号：CN113591930A

主分类号：G06K9/62(20060101)

分类号：G06K9/62(20060101);G06N20/00(20190101);G06F17/16(20060101);G06F21/56(20130101)

优先权：

专利状态码：有效-授权

法律状态：2023.09.05#授权;2021.11.19#实质审查的生效;2021.11.02#公开

摘要：本发明公开了一种基于网络融合与图嵌入的病毒‑宿主关联预测方法，通过使用相似网络融合方法和图嵌入方法分别构造了两种病毒‑病毒相似网络和宿主‑宿主相似网络，并提出一种图挖掘的方式，即从图中提取元路径得分，基于这种图挖掘的方式可从两种网络上获取每对病毒‑宿主的特征向量，最后使用机器学习的方法来获得最终的结果。本发明在现有数据集上实现了较高的精确度，相比于其他方法表现比较稳定，由本发明预测一些病毒‑宿主关联关系，部分在已发表的论文和数据库中得到了验证，并且本发明的计算方法预测出了在已知文献或数据库中没有的、且全新的病毒宿主关联关系，这些新的病毒‑宿主关系可为实验验证提供有效指导。

主权项：1.一种基于网络融合与图嵌入的病毒-宿主关联预测方法，其特征在于，包括以下步骤：步骤1，获取病毒宿主的已知关联；步骤2，分别度量每一对病毒与病毒和每一对宿主与宿主的相似度，进而构建多个病毒与病毒相似性网络和多个宿主与宿主相似性网络；步骤3，使用相似网络融合算法整合由步骤2得到病毒与病毒相似性网络和宿主与宿主相似性网络，最终得到病毒融合相似矩阵和宿主融合相似矩阵步骤4，由步骤3得到病毒融合相似矩阵和宿主融合相似矩阵与由步骤1获得的已知的病毒宿主关联构成异构网络步骤5，对由步骤1获得的训练部分病毒宿主关联应用图挖掘技术，生成每个节点的特征表示，所述节点包含病毒节点和宿主节点；步骤6，计算由步骤5得到每个病毒的特征向量和其他病毒的特征向量的余弦相似度，以及每个宿主的特征向量和其他宿主的特征向量的余弦相似度，进而构建病毒余弦相似矩阵和宿主余弦相似矩阵步骤7，由步骤6得到病毒余弦相似矩阵和宿主余弦相似矩阵和由步骤1获得的已知病毒宿主关联构建异构网络G2；步骤8，对于由步骤4得到的G1和由步骤7得到的G2，根据路径结构及其特征，从图G1提取出相应的元路径分数，从图G2提取出相应的元路径分数；步骤9，进行特征选择以消除弱特征，然后生成特征向量X，以及所有病毒宿主对的标签Y；步骤10，将步骤9得到的特征向量X及标签Y，输入到有监督机器学习预测模型。

全文数据：

权利要求：

百度查询： 武汉纺织大学 一种基于网络融合与图嵌入的病毒-宿主关联预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD