申请/专利权人：桂林理工大学

申请日：2023-11-28

公开（公告）日：2024-04-09

公开（公告）号：CN117854733A

主分类号：G16H50/70

分类号：G16H50/70;G16B40/00;G16B50/00;G16B30/10;G06N3/0455

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了一种基于生物实体图的异构图transformer进行miRNA与疾病关联预测的方法，包括：miRNA‑疾病关联（MDA）数据集，生物实体数据集，生物实体关联数据集的选择与建立；生物实体关联图的构建；miRNA和疾病特征的提取和融合；深度学习模型的构建；本发明在五折交叉验证实验下取得了优异的性能表现，证明了基于生物实体图的异构图transformer进行miRNA与疾病关联预测方法的有效性。一项关于乳腺癌的案例研究进一步证明了本发明在识别新的miRNA与疾病关联方面具有实际的应用功能。

主权项：1.一种基于生物实体图的异构图transformer进行miRNA与疾病关联预测的方法，其特征在于，包括以下步骤：S1、获取最新的miRNA-疾病关联（MDA）数据，获取生物实体数据，获取生物实体关联数据；S2、利用生物实体数据和生物实体关联数据构建生物实体关联图，通过不同的节点类型构建节点映射，在异质数据中构建边索引，构造节点类型标签来表示异质数据中每个节点的类型；S3、通过比较每对miRNAs的序列计算miRNAs的序列特征，使用序列比对来量化不同miRNAs之间的相似性；对miRNAs之间的序列相似性进行归一化；S4、利用有向无环图来表示疾病之间复杂的相互作用；S5、计算miRNA与疾病之间的高斯相互作用谱核相似性（GIP），包括不同疾病之间的GIP相似性、不同miRNA之间的GIP相似性；S6、融合miRNA和疾病的原始特征以及相应的GIP特征，获得miRNA和疾病之间更多的潜在关联；S7、构建异构图transformer，包括异构的相互注意，异构的消息传递和特定于目标的聚合；S8、利用测试数据集对模型进行打分，重复进行五次实验，取五次实验的平均结果作为模型的性能评价指标。

全文数据：

权利要求：

百度查询： 桂林理工大学 一种基于生物实体图的异构图transformer进行miRNA与疾病关联预测的方法

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