申请/专利权人:上海科技大学
申请日:2022-08-10
公开(公告)日:2024-02-02
公开(公告)号:CN115240777B
主分类号:G16B40/00
分类号:G16B40/00;G16B50/00;G06F16/36;G06N3/042;G06N3/09
优先权:
专利状态码:有效-授权
法律状态:2024.02.02#授权;2022.11.11#实质审查的生效;2022.10.25#公开
摘要:本申请提供基于图神经网络的合成致死基因预测方法、装置、终端及介质,获取多个合成致死基因数据;对多个合成致死基因数据进行预处理;基于预处理后的合成致死基因数据,构建用于预测基因与基因之间是否存在合成致死关系的图神经网络模型。本发明提供了基于成对关系学习的图神经网络,其以两个基因之间成对相互作用的表示,从而进行合成致死关系的预测;图神经网络利用注意力机制,通过封闭子图中的加权路径对合成致死机制进行解释。此外,大量的实验结果表明图神经网络比最好的基线有很大的优势,并且在多种实际情况下都有很好的泛化能力。
主权项:1.一种基于图神经网络的合成致死基因预测方法,其特征在于,包括:获取多个合成致死基因数据;对所述多个合成致死基因数据进行预处理,包括从中提取具有多组学数据的部分基因对作为监督学习的合成致死标签;将合成致死知识图谱中已知的合成致死基因对移除;并随机采样基因间关系未知的基因对作为负样本;基于预处理后的合成致死基因数据,构建用于预测基因与基因之间是否存在合成致死关系的图神经网络模型;所述图神经网络模型的构建过程包括:构建成对基因的封闭子图;基于注意力嵌入传播模型区分所述封闭子图中各条边的权重以得到加权封闭子图,并从所述加权封闭子图中学习潜在特征;将隐式的和显式的成对相互作用特征进行特征融合以得到融合有基因对的隐式特征和显式特征的表示;根据所述融合有基因对的隐式特征和显式特征的表示,预测基因之间是否存在合成致死关系,并通过最小化目标函数来优化图神经网络模型;所述构建成对基因的封闭子图的过程包括:从合成致死知识图谱中收集所述成对基因中每个基因的与之直接连接的全部邻近基因;取各所述邻近基因之间的交集以生成这对成对基因的封闭子图;所述基于注意力嵌入传播模型区分所述封闭子图中各条边的权重以得到加权封闭子图的过程包括:计算与当前节点位于图神经网络同一层中与之直接连接的邻居节点通过特定关系向所述当前节点进行的信息传递;通过注意力机制来计算注意力权重;所述注意力权重用于表示位于图神经网络同一层中的邻居节点通过特定关系向当前节点传递信息的多少;通过节点的自我更新及来自其邻居节点的信息传递来更新该节点的表示;将隐式的和显式的成对相互作用特征进行特征融合以得到融合有基因对的隐式特征和显式特征的表示。
全文数据:
权利要求:
百度查询: 上海科技大学 基于图神经网络的合成致死基因预测方法、装置、终端及介质
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。