申请/专利权人：中南大学

申请日：2019-12-30

公开（公告）日：2024-04-16

公开（公告）号：CN111161796B

主分类号：G16B20/00

分类号：G16B20/00;G16B50/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2020.06.09#实质审查的生效;2020.05.15#公开

摘要：本发明涉及一种预测PD潜在gene和miRNA的方法及系统，该方法先对不同的已知gene之间的边的权值和已知gene与候选gene之间的边的权值进行打分，然后计算得到不同的已知miRNA之间的边的权值和已知miRNA与候选miRNA之间的边的权值，再然后对gene和miRNA之间的边的权值赋值，接着构建邻接矩阵A，最后通过算法填充矩阵A得到矩阵X，矩阵X对角线上待填充元素的值的大小即为与PD关联程度的大小。本发明利用gene存在着相互关系越强的gene所调控的蛋白质功能越相近，功能越相近的蛋白质导致的疾病越相似的特性，构建出低秩矩阵A，在使用算法填充矩阵A，使得预测结果更准确。

主权项：1.一种预测PD潜在gene和miRNA的方法，其特征在于，所述预测PD潜在gene和miRNA的方法运行于预测PD潜在gene和miRNA的系统，所述系统包括依次相连的：gene模块、miRNA模块、异构网络模块、gene边权值打分模块、miRNA边权值计算模块、gene-miRNA边权值赋值模块、邻接矩阵构建模块和矩阵填充模块；所述gene模块：根据已知基因gene和候选gene构建gene库，其中所述已知gene为已经证实和帕金森病PD有关的gene，所述候选gene为与除PD外所有的神经退行性疾病有关的gene；所述miRNA模块：根据已知MicroRNA即miRNA和候选miRNA构建miRNA库，其中所述已知miRNA为已经证实和PD有关的miRNA，所述候选miRNA为与所述已知miRNA相识度达到预设值以上的iRNA，所述预设值在50％至60％之间；所述异构网络模块：根据所述gene库的所述已知gene和所述候选gene与所述miRNA库中的所述已知miRNA和所述候选miRNA构建相互关联的异构网络；所述gene边权值打分模块：在所述异构网络中，根据所述gene库中不同的所述已知gene和所述已知gene与所述候选gene在蛋白质相互作用的PPI网络之间的关联关系，对不同的所述已知gene之间的边的权值和所述已知gene与所述候选gene之间的边的权值进行打分，并将打分情况作为gene关联数据，候选gene之间的边的权值为0，打分范围在0-1之间；所述miRNA边权值计算模块：在所述异构网络中，根据所述miRNA库中的不同的所述已知miRNA之间的相似程度和所述已知miRNA与所述候选miRNA之间的相似程度，计算得到不同的所述已知miRNA之间的边的权值和所述已知miRNA与所述候选miRNA之间的边的权值，并将计算结果作为miRNA关联数据，候选miRNA之间的边的权值为0，计算结果在0-1之间；所述gene-miRNA边权值赋值模块：在所述异构网络中，判断所述已知gene与所述已知miRNA、所述已知gene和所述候选miRNA以及所述候选gene与所述已知miRNA是否存在关系，若有关系，则对gene和miRNA之间的边的权值赋值为1，否则为0，并将赋值情况作为gene-miRNA关联数据，候选gene与候选miRNA之间的边的权值为0；所述邻接矩阵构建模块：通过所述gene关联数据、所述miRNA关联数据和所述gene-miRNA关联数据构建到所述异构网络的邻接矩阵A；在所述邻接矩阵A中，第m行n列的元素为Amn，Amn＝Anm，Amn的值为第m个gene或miRNA与第n个gene或miRNA之间的边的权值；所述邻接矩阵A对角线上的数据赋值结果为：如果第i个数据为所述已知gene或者所述已知miRNA，那么Aii赋值为1；如果第i个数据为所述候选gene或者所述候选miRNA，那么Aii赋值为0，表示为待填充元素；所述矩阵填充模块：使用SVT算法填充所述邻接矩阵A得到矩阵X，所述矩阵X的对角线上所述待填充元素的值的大小表示所述待填充元素对应的所述候选gene或所述候选miRNA与PD的关联程度的大小；所述方法包括以下步骤：S1：根据已知基因gene和候选gene构建gene库，其中所述已知gene为已经证实和帕金森病PD有关的gene，所述候选gene为与除PD外所有的神经退行性疾病有关的gene；S2：根据已知MicroRNA即miRNA和候选miRNA构建miRNA库，其中所述已知miRNA为已经证实和PD有关的miRNA，所述候选miRNA为与所述已知miRNA相识度达到预设值以上的miRNA，所述预设值在50％至60％之间；S3：根据所述gene库的所述已知gene和所述候选gene与所述miRNA库中的所述已知miRNA和所述候选miRNA构建相互关联的异构网络；S4：在所述异构网络中，根据所述gene库中不同的所述已知gene和所述已知gene与所述候选gene在蛋白质相互作用的PPI网络之间的关联关系，对不同的所述已知gene之间的边的权值和所述已知gene与所述候选gene之间的边的权值进行打分，并将打分情况作为gene关联数据，候选gene之间的边的权值为0，打分范围在0-1之间；S5：在所述异构网络中，根据所述miRNA库中的不同的所述已知miRNA之间的相似程度和所述已知miRNA与所述候选miRNA之间的相似程度，计算得到不同的所述已知miRNA之间的边的权值和所述已知miRNA与所述候选miRNA之间的边的权值，并将计算结果作为miRNA关联数据，候选miRNA之间的边的权值为0，计算结果在0-1之间；S6：在所述异构网络中，判断所述已知gene与所述已知miRNA、所述已知gene和所述候选miRNA以及所述候选gene与所述已知miRNA是否存在关系，若有关系，则对gene和miRNA之间的边的权值赋值为1，否则为0，并将赋值情况作为gene-miRNA关联数据，候选gene与候选miRNA之间的边的权值为0；S7：通过所述gene关联数据、所述miRNA关联数据和所述gene-miRNA关联数据构建到所述异构网络的邻接矩阵A；在所述邻接矩阵A中，第m行n列的元素为Amn，Amn＝Anm，Amn的值为第m个gene或miRNA与第n个gene或miRNA之间的边的权值；所述邻接矩阵A对角线上的数据赋值结果为：如果第i个数据为所述已知gene或者所述已知miRNA，那么Aii赋值为1；如果第i个数据为所述候选gene或者所述候选miRNA，那么Aii赋值为0，表示为待填充元素；S8：使用SVT算法填充所述邻接矩阵A得到矩阵X，所述矩阵X的对角线上所述待填充元素的值的大小表示所述待填充元素对应的所述候选gene或所述候选miRNA与PD的关联程度的大小。

全文数据：

权利要求：

百度查询： 中南大学 一种预测PD潜在gene和miRNA的方法及系统

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