[发明专利]一种基于相似性和双随机游走的微生物‑疾病关系预测方法

权利要求书

1.一种基于相似性和双随机游走的微生物-疾病关系预测方法,其特征在于，包括以下步骤：

步骤1：分别构建疾病功能相似性矩阵D_funsim、疾病高斯核相似性矩阵K_GIP,d和微生物高斯核相似性矩阵K_GIP,m；

步骤2：集成疾病功能相似性矩阵D_funsim和疾病高斯核相似性矩阵K_GIP,d得到疾病最终相似性矩阵S_d；将微生物高斯核相似性矩阵K_GIP,m作为微生物最终相似性矩阵S_m；

步骤3：根据已知的微生物-疾病关系、微生物最终相似性矩阵S_m和疾病最终相似性矩阵S_d，构建一个双层的异构网络，利用双随机游走方法对微生物-疾病对进行关联分数预测；关联分数越大，则对应的微生物-疾病对存在关系的可能性越大。

2.根据权利要求1所述的一种基于相似性和双随机游走的微生物-疾病关系预测方法，其特征在于，所述步骤1中，首先根据已知的疾病-基因关系和基因的功能相似性计算两种疾病之间的功能相似性，然后由所有疾病两两之间的功能相似性构建疾病功能相似性矩阵D_funsim；

对于任意两种疾病A和B，其功能相似性计算公式如下：

Dfunsim(A,B)=Σ1≤i≤mFSGB(gAi)+Σ1≤j≤nFSGA(gBj)m+n,]]>

其中，G_A＝{g_A1,g_A2,......,g_Am}为与疾病A相关联的基因集合，同样，G_B＝{g_B1,g_B2,......,g_Bn}为与疾B相关联的基因集合，m和n分别为基因集合G_A和G_B中的基因数目；为基因g_Ai与基因集合G_B的功能相似性值，为基因g_Bj与基因集合G_A的功能相似性值，对应的计算公式如下：

FSGB(gAi)=max1≤j≤n(F(gAi,gBj)),]]>

FSGA(gBj)=max1≤i≤m(F(gAi,gBj)),]]>

其中F(g_Ai,g_Bj)为基因g_Ai和g_Bj之间的语义相似性值，HumanNet数据库提供了基于对数似然函数的语义相似性值计算值，具体计算方式如下：

F(g_Ai,g_Bj)＝LLS(g_Ai,g_Bj).

其中LLS表示对数似然函数(在HumanNet数据库中，使用对数似然函数计算基因语义相似性值为现有技术)。