[发明专利]一种基于疾病本体的疾病相似度计算方法

权利要求书

1.一种基于疾病本体的疾病相似度计算方法，其特征在于：所述方法包括评估疾病对的疾病功能相似性方法和评估疾病对的疾病语义相似性方法两部分，具体如下：

(1)评估疾病对的疾病功能相似性方法如下：

(1.1)首先使用最短路径算法(the Shortest Path,SP)构建基因本体节点相似性矩阵，使用Resnik方法计算基因本体节点的信息量，基因本体节点相似性矩阵的每个元素是一个0～1之间的数值，表示在基因本体中的任意两个节点的相似性，这个相似性矩阵记为Sim_GO；

其中path₁为t₁节点到最大信息量公共祖先节点(MICA节点)的最短路径，path₂为t₂节点到最大信息量公共祖先节点(MICA节点)的最短路径；

(1.2)疾病本体关联了医学主题词数据库，设医学主题词数据库中的两个疾病术语分别为m₁和m₂,相应的，在医学主题词数据库中得到疾病术语相关的基因分子功能术语集合分别为T₁＝{t₁₁，t₁₂，...，t_1p}和T₂＝{t₂₁，t₂₂，...，t_2q}；集合T₁和T₂看作是对医学主题词数据库中疾病术语特征的描述，使用公式(1)把基因本体节点相似性矩阵转化为医学主题词节点相似性：

其中p、q分别是与疾病术语m₁、m₂相关联的分子功能术语个数，max函数是取最大值，Sim_GO(t₁，t₂)是两基因本体节点t₁和t₂的相似性得分；

(1.3)疾病本体中的疾病节点通常都会与若干个医学主题词数据库中的疾病术语相对应，假设疾病对为d₁和d₂，一一对应了疾病本体中的两个疾病术语，从疾病本体中得到疾病对d₁和d₂关联的医学主题词数据库疾病术语分别为M₁＝{m₁₁，m₁₂，...，m_1p}和M₂＝{m₂₁，m₂₂，...，m_2q}；

其中p、q分别是与疾病d₁、d₂相关联的医学主题词数据库疾病术语个数，max函数是取最大值，Sim_MeSH(m₁，m₂)是两基因本体节点m₁和m₂的相似性得分；

(2)评估疾病对的疾病语义相似性方法如下：

疾病功能相似性的计算考虑了基因本体分子层面疾病相互之间的关联关系，而疾病语义相似性的计算则利用了疾病本体在结构组织上的优势；在计算疾病语义相似性时，需要找出两个疾病节点的最大信息量公共祖先节点(most informative common ancestor,MICA)，记两个疾病为d₁、d₂，记这个祖先节点为d_MICA，令G₁、G₂和G_MICA分别表示疾病d₁、d₂和d_MICA所关联的基因本体中的节点集合；使用下列公式计算相似性：

其中|G₁|、|G₂|和|G_MICA|分别表示疾病d₁、d₂和d_MICA所关联的基因本体节点数目；

(3)评估疾病对的相似性得分：

根据步骤(1)和步骤(2)中算出的疾病功能相似性和疾病语义相似性的得分，取值都在0～1之间，将两者相乘得到疾病对的相似度得分：

Sim_DGS(d₁，d₂)＝FSim_DGS(d₁，d₂)·SSim_DGS(d₁，d₂)

其中FSim_DGS(d₁，d₂)是疾病对d₁和d₂的功能相似性得分，SSim_DGS(d₁，d₂)是疾病对d₁和d₂的语义相似性得分。