申请/专利权人：湖南大学

申请日：2024-01-04

公开（公告）日：2024-04-05

公开（公告）号：CN117831783A

主分类号：G16H50/70

分类号：G16H50/70;G16H50/30;G16B40/00;G16B20/30;G16B50/00;G06N3/0499;G06N3/0464;G06F18/22;G06F18/25

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明公开了一种基于多视图学习的miRNA‑疾病关联预测方法，包括：S1、获取miRNA‑疾病关联数据、药物‑miRNA数据、药物‑疾病数据、mRNA‑miRNA和mRNA‑疾病数据、lncRNA‑miRNA和lncRNA‑疾病数据，以及来自多个物种的miRNA信息；S2、利用miRNA序列信息获取序列特征、利用疾病信息获取疾病语义相似性；S3、计算miRNA与疾病的高斯交互谱核相似性GIP；S4、获得miRNA和疾病之间的潜在关联；S5、构建多个异构图；S6、利用多尺度注意机制，通过将局部上下文纳入注意模块的全局上下文中，融合多重结构特征；S7、将miRNA和疾病的多重嵌入聚合并输入多层感知器进行训练和预测，进行了五折和十折的交叉验证来评估模型的性能。本发明具有良好的预测性能，每个模块都调整到最优。

主权项：1.一种基于多视图学习的miRNA-疾病关联预测方法，其特征在于，包括以下步骤：S1、获取miRNA-疾病关联数据、药物-miRNA数据、药物-疾病数据、mRNA-miRNA和mRNA-疾病数据、lncRNA-miRNA和lncRNA-疾病数据，以及来自多个物种的miRNA信息；S2、利用miRNA序列信息获取序列特征、利用疾病信息获取疾病语义相似性；S3、计算miRNA与疾病的高斯交互谱核相似性GIP，该高斯交互谱核相似性GIP包括不同疾病之间的GIP相似性、不同miRNA之间的GIP相似性；S4、融合miRNA和疾病的原始特征，对miRNA序列特征矩阵、疾病语义相似度及其各自的高斯交互谱核相似性GIP进行核融合，获得miRNA和疾病之间的潜在关联；S5、构建多个异构图，包括miRNA-药物-疾病视图，miRNA-mRNA-疾病视图，miRNA-lncRNA-疾病视图，分别利用药物、mRNA、lncRNA发现miRNA和疾病之间的关系；利用多视图图注意网络提取miRNA和复杂疾病的图结构特征；S6、利用多尺度注意机制，通过将局部上下文纳入注意模块的全局上下文中，融合多种miRNA和复杂疾病结构特征；S7、将miRNA和疾病的多重嵌入聚合并输入多层感知器进行训练和预测，进行了五折和十折的交叉验证来评估模型的性能。

全文数据：

权利要求：

百度查询： 湖南大学 一种基于多视图学习的miRNA-疾病关联预测方法

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