[发明专利]一种基于点割集的LncRNA与疾病关联关系的预测方法

说明书

本发明公开了一种生物信息领域的基于点割集的LncRNA与疾病关联关系的预测方法，包括以下步骤：构建LncRNA与疾病的相互作用网络；基于所述相互作用网络构建邻接矩阵；基于所述邻接矩阵构建最短跳矩阵；根据所述邻接矩阵与所述最短跳矩阵收集所述相互作用网络中节点的点割集；根据所述点割集构建距离相关系数矩阵；根据所述距离相关系数矩阵、疾病节点之间的欧氏距离、疾病节点的数据差异、LncRNA节点之间的欧氏距离、LncRNA节点的数据差异和疾病节点与LncRNA节点的关联强相关值构建距离差异矩阵；根据距离差异矩阵计算节点对的相关度，并根据节点对的相关度构建节点关联度矩阵；分解所述节点关联度矩阵得到供LncRNA与疾病关联关系预测的预测子矩阵。

技术领域

本发明涉及生物信息学技术领域，具体涉及一种基于点割集的LncRNA与疾病关联关系的预测方法。

背景技术

长链非编码RNA(Long non-coding RNA，LncRNA)是一类长度大于200个核苷酸的非编码RNA。研究表明，LncRNA在剂量补偿效应、表观遗传调控、细胞周期调控和细胞分化调控等众多生命活动中发挥重要作用，LncRNA的表达或功能异常与人类疾病的发生密切相关。

随着生物技术的快速发展，越来越多的新LncRNA被发现，但是，跟发现新LncRNA相比，LncRNA与疾病的关联关系的研究成果并不多，这是因为，传统上，LncRNA与疾病的关联关系的发现是以生物学实验为基础，而完成这些生物学实验既需要很高的成本，也需要很长的时间。

近年来，随着大数据技术、云计算技术等相关技术的快速发展，这些技术也被开发出来用于预测LncRNA与疾病的潜在关联关系。比如，2013年，陈兴等人公开了一种在半监督学习框架下基于拉普拉斯正则化最小二乘的LncRNA与疾病关联关系的预测方法，Yang等人公开了一种基于网络的利用信息传播算法的LncRNA与疾病关联关系的预测方法。2014年，Sun等人公开了一种通过构建LncRNA功能相似性网络并应用随机游走重启(Random Walkwith Restart RWR)来推断潜在的LncRNA与疾病关联关系的方法。2015年，Chen等人公开了一种预测LncRNA与疾病关联关系的KATZ模型。但是，以上方法中的留一交叉验证(Leave-One-Out Cross Validation)的曲线下面积(Area Under Curve AUC)并不高，陈兴方法的AUC为0.7760，Yang方法的AUC为0.7881。Chen方法的局部留一交叉验证AUC为0.7175，全局留一交叉验证AUC为0.7886，5-折交叉验证AUC为0.7719。

发明内容

本发明目的在提供于一种基于点割集的LncRNA与疾病关联关系的预测方法，以解决现有技术中存在的技术缺陷。

为实现上述目的，本发明提供了一种基于点割集的LncRNA与疾病关联关系的预测方法，其特征在于，包括以下步骤：

S1：构建LncRNA与疾病的相互作用网络；

S2：基于所述相互作用网络构建邻接矩阵；

S3：基于所述邻接矩阵构建最短跳矩阵；

S4：根据所述邻接矩阵与所述最短跳矩阵收集所述相互作用网络中节点的点割集；

S5：根据所述点割集构建距离相关系数矩阵；

S6：根据所述距离相关系数矩阵、疾病节点之间的欧氏距离、疾病节点的数据差异、LncRNA节点之间的欧氏距离、LncRNA节点的数据差异和疾病节点与LncRNA节点的关联强相关值构建距离差异矩阵；

S7：根据距离差异矩阵计算节点对的相关度，并根据节点对的相关度构建节点关联度矩阵；

S8：分解所述节点关联度矩阵得到供LncRNA与疾病关联关系预测的预测子矩阵。

优选地，S2中构建所述最短跳矩阵包括以下步骤：