申请/专利权人：南华大学

申请日：2020-12-24

公开（公告）日：2024-04-26

公开（公告）号：CN112599202B

主分类号：G16B40/20

分类号：G16B40/20;G16B30/00;G16H50/20

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2021.04.23#实质审查的生效;2021.04.02#公开

摘要：本申请公开了一种疾病相关miRNA预测系统，包括数据采集模块、数据处理模块和预测模块。数据采集模块用于获取疾病样本数据、疾病‑miRNA关系数据、疾病‑基因关系数据、基因相互作用数据和miRNA‑基因相互作用数据；数据处理模块用于根据数据采集模块获取的数据构建miRNA‑基因‑疾病异构信息网络，并通过多任务矩阵分解处理miRNA‑基因‑疾病异构信息网络得到疾病、基因、miRNA最终表示特征；预测模块用于根据疾病最终表示特征和miRNA最终表示特征预测疾病相关miRNA。本申请可有效结合基因信息和已知疾病相关miRNA进行预测，提升疾病相关miRNA预测性能。

主权项：1.一种疾病相关miRNA预测系统，其特征在于，包括数据采集模块、数据处理模块和预测模块；所述数据采集模块用于获取疾病样本数据、疾病-miRNA关系数据、疾病-基因关系数据、基因相互作用数据和miRNA-基因相互作用数据；所述数据处理模块用于根据所述数据采集模块获取的数据构建miRNA-基因-疾病异构信息网络，并通过多任务矩阵分解方法和所述miRNA-基因-疾病异构信息网络得到疾病、基因、miRNA最终表示特征；所述预测模块用于根据疾病最终表示特征和miRNA最终表示特征预测疾病相关miRNA；其中，所述数据处理模块包括：矩阵构建子模块，用于根据所述疾病-miRNA关系数据、所述疾病-基因关系数据、所述基因相互作用数据和所述miRNA-基因相互作用数据分别构建多个任务矩阵，多个任务矩阵构成所述miRNA-基因-疾病异构信息网络；计算方法确定子模块，用于根据先验知识和预测结果的差异最小化、同一疾病相关的两个miRNAs相似确定多任务矩阵分解目标函数；初始化子模块，用于初始化疾病、miRNA、基因在不同数据信息中的初始化表示特征；最终特征表示子模块，用于通过不断对所述多任务矩阵分解目标函数进行优化更新各初始化表示矩阵直至满足特征更新结束条件，得到疾病、基因、miRNA最终表示特征；其中，所述矩阵构建子模块包括：疾病-miRNA邻接矩阵构建单元，用于根据所述疾病-miRNA关系数据构建疾病-miRNA邻接矩阵；疾病-基因邻接矩阵构建单元，用于根据所述疾病-基因关系数据构建疾病-基因邻接矩阵；miRNA-基因邻接矩阵构建单元，用于根据所述miRNA-基因相互作用数据构建miRNA-基因邻接矩阵；基因邻接矩阵构建单元，用于根据所述基因相互作用数据构建基因邻接矩阵；相似性矩阵构建单元，用于基于疾病语义相似性和miRNA功能相似性分别构建疾病相似性矩阵和miRNA相似性矩阵；其中，所述多任务矩阵分解目标函数为： 式中，T表示矩阵转置符号，k′为特征维度，分别表示在疾病-miRNA关系中的疾病表示特征和miRNA表示特征，分别表示在疾病-基因信息中的疾病表示和基因表示特征，分别表示在miRNA-基因信息中miRNA表示特征和基因表示特征；LA＝DA-SA、LB＝DB-SA、LD＝DD-SD分别表示疾病相似性网络、miRNA功能相似性网络和基因相互作用网络中的拉普拉斯矩阵；DA、DB和DD为对角矩阵，DAi,i＝∑j＝1SAi,j、DBi,i＝∑j＝1SBi,j、DDi,i＝∑j＝1SDi,j；α1、β1、γ1为超参数，分别用于表示疾病-miRNA关系，疾病-基因关系，miRNA-基因关系的重要性；α2、β2、γ2为超参数，分别用于表示疾病语义相似性，miRNA功能相似性，基因相互作用的重要性；其中，所述最终特征表示子模块包括：增广拉格朗日函数获取单元，用于利用交替方向乘子法的目标函数优化方法处理多任务矩阵分解目标函数，得到所述多任务矩阵分解目标函数的增广拉格朗日函数；特征梯度计算单元，用于根据所述增广拉格朗日函数得到疾病-miRNA关系中的疾病表示特征和miRNA表示特征、疾病-基因信息中的疾病表示和基因表示特征、miRNA-基因信息中miRNA表示特征和基因表示特征的梯度；参数更新单元，用于利用梯度下降法更新疾病、miRNA、基因分别在疾病-miRNA关系、疾病-基因信息、miRNA-基因信息的表示特征，拉格朗日乘子和惩罚参数；疾病相关miRNA矩阵计算单元，用于利用疾病表示特征和miRNA表示特征计算疾病-miRNA得分矩阵；迭代终止判断单元，用于根据相邻两次迭代下的两个疾病-miRNA得分矩阵的差异性与预设阈值判断是否达到所述特征更新结束条件。

全文数据：

权利要求：

百度查询： 南华大学 疾病相关miRNA预测系统

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