【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于計(jì)算機(jī)生物信息學(xué)領(lǐng)域，尤其涉及一種基于共享單元的環(huán)狀rna和疾病關(guān)聯(lián)預(yù)測模型的構(gòu)建方法、預(yù)測系統(tǒng)和預(yù)測方法。
技術(shù)介紹
1、環(huán)狀rna作為一類特殊的非編碼rna分子，在細(xì)胞內(nèi)的多種生物學(xué)過程中扮演著關(guān)鍵角色。它們通過與mirna、蛋白質(zhì)等分子相互作用，參與調(diào)控基因表達(dá)和信號傳導(dǎo)，進(jìn)而影響疾病的發(fā)生和發(fā)展。預(yù)測環(huán)狀rna與特定疾病之間的關(guān)聯(lián)，能夠幫助我們揭開疾病的分子面紗，理解其復(fù)雜的生物學(xué)網(wǎng)絡(luò)。這種理解是開發(fā)新療法、早期診斷工具和個性化治療方案的基礎(chǔ)。通過識別與疾病相關(guān)的環(huán)狀rna，可以開發(fā)出新的生物標(biāo)志物，這些標(biāo)志物能夠用于疾病的早期識別、病程監(jiān)控和治療效果評估，從而提高治療的精準(zhǔn)度。此外，這些關(guān)聯(lián)信息還可能揭示新的治療靶點(diǎn)，為開發(fā)針對性藥物提供方向，尤其是在那些傳統(tǒng)治療方法效果有限的疾病領(lǐng)域。同時，這種預(yù)測能力還能幫助我們預(yù)測患者對特定藥物的反應(yīng)，優(yōu)化臨床用藥方案。更重要的是，了解環(huán)狀rna在疾病中的作用，可以為疾病預(yù)防提供新的策略，通過調(diào)節(jié)特定環(huán)狀rna的表達(dá)來降低疾病風(fēng)險(xiǎn)。綜上，環(huán)狀rna與疾病關(guān)聯(lián)預(yù)測不僅對基礎(chǔ)科學(xué)研究具有重要意義，也對臨床實(shí)踐、公共衛(wèi)生政策制定以及經(jīng)濟(jì)效益產(chǎn)生深遠(yuǎn)的影響。通過這一預(yù)測，可以實(shí)現(xiàn)從基礎(chǔ)研究到臨床應(yīng)用的轉(zhuǎn)化，推動醫(yī)學(xué)科學(xué)的進(jìn)步，最終改善人類健康。
2、目前，環(huán)狀rna（circrna）與疾病關(guān)聯(lián)預(yù)測的方法主要有以下幾類：
3、基于網(wǎng)絡(luò)的方法，該方法通過充分利用不同類型的生物數(shù)據(jù)構(gòu)建異構(gòu)網(wǎng)絡(luò)來預(yù)測關(guān)聯(lián)。但是如何有效地整合多種類型的數(shù)據(jù)是一個需要深入研究的
4、基于傳統(tǒng)機(jī)器學(xué)習(xí)的方法，該方法通過整合不同的特征結(jié)合傳統(tǒng)機(jī)器學(xué)習(xí)方法來預(yù)測circrna-疾病關(guān)聯(lián)，例如梯度決策樹、矩陣分解法等，但是該方法在提取特征時依賴于不同的相似度策略，但并不是所有策略都對模型有效。
5、基于深度學(xué)習(xí)的方法，該方法能夠?qū)W習(xí)并預(yù)測潛在的疾病相關(guān)的環(huán)狀rna，可以自動提取描述符中包含的高級特征，較準(zhǔn)確的預(yù)測新的環(huán)狀rna疾病關(guān)聯(lián)。但是現(xiàn)有的基于深度學(xué)習(xí)的方法未能充分利用視圖間的潛在信息，且未考慮視圖的重要性差異，導(dǎo)致預(yù)測性能有限。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)的目的是針對現(xiàn)有技術(shù)存在的問題提出一種基于共享單元的環(huán)狀rna和疾病關(guān)聯(lián)預(yù)測模型的構(gòu)建方法、預(yù)測系統(tǒng)和預(yù)測方法。
2、為達(dá)到上述目的，本專利技術(shù)采用了下列技術(shù)方案：
3、一種基于共享單元的環(huán)狀rna和疾病關(guān)聯(lián)預(yù)測模型的構(gòu)建方法，包括：
4、基于已知關(guān)聯(lián)數(shù)據(jù)集構(gòu)建環(huán)狀rna元路徑網(wǎng)絡(luò)、環(huán)狀rna相似性網(wǎng)絡(luò)、疾病元路徑網(wǎng)絡(luò)和疾病相似性網(wǎng)絡(luò)；
5、對環(huán)狀rna相似性網(wǎng)絡(luò)、環(huán)狀rna元路徑網(wǎng)絡(luò)、疾病相似性網(wǎng)絡(luò)和疾病元路徑網(wǎng)絡(luò)分別進(jìn)行特征提取得到環(huán)狀rna相似性特征、環(huán)狀rna元路徑特征、疾病相似性特征和疾病元路徑特征；
6、環(huán)狀rna相似性特征和環(huán)狀rna元路徑特征被同時輸入至共享單元進(jìn)行多視圖的交互與融合；
7、疾病相似性特征和疾病元路徑特征被同時輸入至共享單元進(jìn)行多視圖的交互與融合；
8、共享單元輸出的環(huán)狀rna相似性特征、疾病相似性特征被輸入至多層感知機(jī)mlp進(jìn)行環(huán)狀rna與疾病的關(guān)聯(lián)預(yù)測；
9、基于模型損失函數(shù)根據(jù)關(guān)聯(lián)預(yù)測結(jié)果更新模型參數(shù)以使模型具備關(guān)聯(lián)預(yù)測能力。
10、在上述的基于共享單元的環(huán)狀rna和疾病關(guān)聯(lián)預(yù)測模型的構(gòu)建方法中，包括有至少兩種所述的環(huán)狀rna相似性網(wǎng)絡(luò)，且至少一種環(huán)狀rna相似性網(wǎng)絡(luò)的環(huán)狀rna相似性特征與所述的環(huán)狀rna元路徑特征被同時輸入至所述的共享單元；
11、經(jīng)過共享單元的環(huán)狀rna相似性特征與其余環(huán)狀rna相似性特征被輸入至多通道注意力機(jī)制，經(jīng)多通道注意力機(jī)制處理后輸入至所述的多層感知機(jī)；
12、包括有至少兩種所述的疾病相似性網(wǎng)絡(luò)，且至少一種疾病相似性網(wǎng)絡(luò)的疾病相似性特征與所述的疾病元路徑特征被同時輸入至所述的共享單元；
13、經(jīng)過共享單元的疾病相似性視圖特征與其余疾病相似性特征被輸入至多通道注意力機(jī)制，經(jīng)多通道注意力機(jī)制處理后輸入至所述的多層感知機(jī)。
14、在上述的基于共享單元的環(huán)狀rna和疾病關(guān)聯(lián)預(yù)測模型的構(gòu)建方法中，本方法還包括對比學(xué)習(xí)過程：
15、構(gòu)建對比學(xué)習(xí)中的正負(fù)樣本對，選擇同一環(huán)狀rna/同一疾病在不同視圖的特征為正樣本對，選擇不同實(shí)體在不同視圖的特征為負(fù)樣本對，在模型參數(shù)更新過程中，分別通過環(huán)狀rna的對比學(xué)習(xí)損失函數(shù)和疾病的對比學(xué)習(xí)損失函數(shù)增加正樣本對之間的相似性，降低負(fù)樣本對之間的相似性；
16、模型訓(xùn)練過程中基于損失函數(shù)更新模型參數(shù)。
17、在上述的基于共享單元的環(huán)狀rna和疾病關(guān)聯(lián)預(yù)測模型的構(gòu)建方法中，多通道注意力機(jī)制對多種疾病相似性特征的輸出與經(jīng)過共享單元處理的疾病元路徑特征參與疾病的對比學(xué)習(xí)過程；
18、多通道注意力機(jī)制對多種環(huán)狀rna相似性特征的輸出與經(jīng)過共享單元處理的環(huán)狀rna元路徑特征參與環(huán)狀rna的對比學(xué)習(xí)過程。
19、在上述的基于共享單元的環(huán)狀rna和疾病關(guān)聯(lián)預(yù)測模型的構(gòu)建方法中，包括兩個共享單元，分別對應(yīng)于疾病和環(huán)狀rna；
20、環(huán)狀rna相似性特征和環(huán)狀rna元路徑特征被同時輸入至一共享單元；
21、疾病相似性特征和疾病元路徑特征被同時輸入至另一共享單元；
22、包括兩個多通道注意力機(jī)制，分別對應(yīng)于疾病和環(huán)狀rna；
23、經(jīng)過共享單元的環(huán)狀rna相似性特征與其余環(huán)狀rna相似性特征被輸入至一多通道注意力機(jī)制進(jìn)行處理；
24、經(jīng)過共享單元的疾病相似性視圖特征與其余疾病相似性特征被輸入至另一多通道注意力機(jī)制進(jìn)行處理。
25、在上述的基于共享單元的環(huán)狀rna和疾病關(guān)聯(lián)預(yù)測模型的構(gòu)建方法中，所述的環(huán)狀rna相似性網(wǎng)絡(luò)包括環(huán)狀rna功能相似性網(wǎng)絡(luò)和環(huán)狀rna?gip相似性網(wǎng)絡(luò)；
26、從環(huán)狀rna?gip相似性網(wǎng)絡(luò)提取的環(huán)狀rna?gip相似性特征與環(huán)狀rna元路徑特征被同時輸入至所述的共享單元；
27、所述的疾病相似性網(wǎng)絡(luò)包括疾病語義相似性網(wǎng)絡(luò)和疾病gip相似性網(wǎng)絡(luò)；
28、從疾病gip相似性網(wǎng)絡(luò)提取的疾病gip相似性特征與疾病元路徑特征被同時輸入至所述的共享單元。
29、在上述的基于共享單元的環(huán)狀rna和疾病關(guān)聯(lián)預(yù)測模型的構(gòu)建方法中，通過如下方式構(gòu)建所述的疾病語義相似性網(wǎng)絡(luò)：
30、
31、其中：和分別表示疾病和疾病的祖先疾病集合；
32、表示祖先疾病對的語義貢獻(xiàn)，表示祖先疾病對的語義貢獻(xiàn)；
33、通過如下方式構(gòu)建所述的疾病gip相似性網(wǎng)絡(luò)：
34、其中：和分別為疾病和在環(huán)狀rna-疾病關(guān)聯(lián)矩陣中的列向量；
35、為歸一化帶寬參數(shù)；
36、通過如下方式構(gòu)建所述的環(huán)狀rna功能相似本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于共享單元的環(huán)狀RNA和疾病關(guān)聯(lián)預(yù)測模型的構(gòu)建方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于共享單元的環(huán)狀RNA和疾病關(guān)聯(lián)預(yù)測模型的構(gòu)建方法，其特征在于，包括有至少兩種所述的環(huán)狀RNA相似性網(wǎng)絡(luò)，且至少一種環(huán)狀RNA相似性網(wǎng)絡(luò)的環(huán)狀RNA相似性特征與所述的環(huán)狀RNA元路徑特征被同時輸入至所述的共享單元；
3.根據(jù)權(quán)利要求2所述的基于共享單元的環(huán)狀RNA和疾病關(guān)聯(lián)預(yù)測模型的構(gòu)建方法，其特征在于，本方法還包括對比學(xué)習(xí)過程：
4.根據(jù)權(quán)利要求3所述的基于共享單元的環(huán)狀RNA和疾病關(guān)聯(lián)預(yù)測模型的構(gòu)建方法，其特征在于，多通道注意力機(jī)制對多種疾病相似性特征的輸出與經(jīng)過共享單元處理的疾病元路徑特征參與疾病的對比學(xué)習(xí)過程；
5.根據(jù)權(quán)利要求2-4任意一項(xiàng)所述的基于共享單元的環(huán)狀RNA和疾病關(guān)聯(lián)預(yù)測模型的構(gòu)建方法，其特征在于，包括兩個共享單元，分別對應(yīng)于疾病和環(huán)狀RNA；
6.根據(jù)權(quán)利要求2所述的基于共享單元的環(huán)狀RNA和疾病關(guān)聯(lián)預(yù)測模型的構(gòu)建方法，其特征在于，所述的環(huán)狀RNA相似性網(wǎng)絡(luò)包括環(huán)狀RNA功能相似性網(wǎng)絡(luò)和環(huán)狀
7.根據(jù)權(quán)利要求6所述的基于共享單元的環(huán)狀RNA和疾病關(guān)聯(lián)預(yù)測模型的構(gòu)建方法，其特征在于，通過如下方式構(gòu)建所述的疾病語義相似性網(wǎng)絡(luò)：
8.根據(jù)權(quán)利要求1所述的基于共享單元的環(huán)狀RNA和疾病關(guān)聯(lián)預(yù)測模型的構(gòu)建方法，其特征在于，基于已知關(guān)聯(lián)數(shù)據(jù)集構(gòu)建所述的環(huán)狀RNA元路徑網(wǎng)絡(luò)，包括：
9.一種基于共享單元的環(huán)狀RNA和疾病關(guān)聯(lián)預(yù)測系統(tǒng)，其特征在于，包括處理器和存儲介質(zhì)，所述的存儲介質(zhì)中存儲有通過權(quán)利要求1-8任意一項(xiàng)所述方法構(gòu)建的預(yù)測模型，處理器用于執(zhí)行所述的預(yù)測模型。
10.一種基于共享單元的環(huán)狀RNA和疾病關(guān)聯(lián)預(yù)測方法，其特征在于，使用權(quán)利要求1－8任意一項(xiàng)所述方法所構(gòu)建的模型進(jìn)行關(guān)聯(lián)預(yù)測，模型的輸入包括待預(yù)測關(guān)聯(lián)關(guān)系的目標(biāo)環(huán)狀RNA和目標(biāo)疾病以及目標(biāo)環(huán)狀RNA與疾病的已知關(guān)聯(lián)和目標(biāo)疾病與環(huán)狀RNA的已知關(guān)聯(lián)，模型基于輸入構(gòu)建目標(biāo)環(huán)狀RNA的元路徑網(wǎng)絡(luò)和相似性網(wǎng)絡(luò)，以及目標(biāo)疾病的元路徑網(wǎng)絡(luò)和相似性網(wǎng)絡(luò)并進(jìn)行特征提取，最后由多層感知機(jī)基于所提取的特征進(jìn)行關(guān)聯(lián)預(yù)測，輸出預(yù)測結(jié)果。
...【技術(shù)特征摘要】
1.一種基于共享單元的環(huán)狀rna和疾病關(guān)聯(lián)預(yù)測模型的構(gòu)建方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于共享單元的環(huán)狀rna和疾病關(guān)聯(lián)預(yù)測模型的構(gòu)建方法，其特征在于，包括有至少兩種所述的環(huán)狀rna相似性網(wǎng)絡(luò)，且至少一種環(huán)狀rna相似性網(wǎng)絡(luò)的環(huán)狀rna相似性特征與所述的環(huán)狀rna元路徑特征被同時輸入至所述的共享單元；
3.根據(jù)權(quán)利要求2所述的基于共享單元的環(huán)狀rna和疾病關(guān)聯(lián)預(yù)測模型的構(gòu)建方法，其特征在于，本方法還包括對比學(xué)習(xí)過程：
4.根據(jù)權(quán)利要求3所述的基于共享單元的環(huán)狀rna和疾病關(guān)聯(lián)預(yù)測模型的構(gòu)建方法，其特征在于，多通道注意力機(jī)制對多種疾病相似性特征的輸出與經(jīng)過共享單元處理的疾病元路徑特征參與疾病的對比學(xué)習(xí)過程；
5.根據(jù)權(quán)利要求2-4任意一項(xiàng)所述的基于共享單元的環(huán)狀rna和疾病關(guān)聯(lián)預(yù)測模型的構(gòu)建方法，其特征在于，包括兩個共享單元，分別對應(yīng)于疾病和環(huán)狀rna；
6.根據(jù)權(quán)利要求2所述的基于共享單元的環(huán)狀rna和疾病關(guān)聯(lián)預(yù)測模型的構(gòu)建方法，其特征在于，所述的環(huán)狀rna相似性網(wǎng)絡(luò)包括環(huán)狀rna功能相...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：鄒權(quán)，張雪，王春宇，牛夢婷，
申請(專利權(quán))人：電子科技大學(xué)長三角研究院衢州，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。