[发明专利]一种基于双随机游走模型的miRNA-疾病关联预测方法

说明书

本发明公开一种基于双随机游走模型的miRNA‑疾病关联预测方法，其特征在于，包括如下步骤：1）获取已知miRNA‑疾病关联数据集，构建关于miRNA‑疾病关联的邻接矩阵；2）分别构建miRNA和疾病的高斯相互作用属性核相似性矩阵；3）构建miRNA功能相似性矩阵以及疾病语义相似性矩阵；4）使用相似网络融合算法整合疾病和miRNA的相似性；5）依据双随机游走模型来预测miRNA‑疾病关联关系。这种方法成本低、耗时短，比现有的方法预测精度高。

技术领域

本发明涉及生物信息学和人工智能交叉领域，具体是一种基于双随机游走模型的miRNA-疾病关联预测方法。

背景技术

MicroRNAs(miRNAs)是一类很小的内源性非编码RNA，长度约为20-24个核苷酸，通过碱基配对与其靶向mRNA的3′端非编码区相结合，导致靶mRNA的降解或翻译机制，从而在转录水平上调控基因表达。越来越多的研究表明，miRNA在转录、免疫反应、细胞增值、细胞分化等生物过程中起着非常重要的作用。miRNA功能失调和miRNA突变可能会导致各种疾病的发生，因此，识别miRNA与疾病之间的相互作用关系至关重要，这将为人类理解疾病机制，疾病的预防和治疗提供帮助。

目前，现有的miRNA-疾病关联关系预测方法主要分为三类：

第一类：生物学实验方法测定miRNA与特定疾病的关系，这种方法耗时长，实验成本高；

第二类：基于机器学习的预测方法，RLSMDA作为一个半监督的miRNA-疾病预测方法，其不需要负样本，RFMDA预测方法，是第一个用随机森林算法预测miRNA-疾病关联的方法；

第三类：基于网络的预测方法，这类方法利用已知miRNA-疾病关联关系数据，基于相似的miRNA调控的疾病也相似这一假设，通过整合miRNA功能相似性和疾病语义相似性等数据，来预测miRNA-疾病关联关系，这类方法已成为miRNA-疾病关联关系预测的重要工具，例如KATZMDA和PBMDA方法，整合多种数据来预测miRNA-疾病关联。

虽然上述方法预测miRNA-疾病的关联取得了良好的效果，为疾病的治疗、诊断以及预后提供了帮助，但仍存在很多不足的地方。例如，传统的生物学实验方法测定miRNA-疾病的关联，需要耗费大量的时间，浪费人力和财力。基于机器学习和网络的预测方法，预测准确率有待提高。因此迫切需要设计一种新的miRNA-疾病关联关系预测方法。

发明内容

本发明的目的是针对现有技术的不足，而提供一种基于双随机游走模型的miRNA-疾病关联预测方法。这种方法耗时短、成本低，预测miRNA-疾病关联关系精度高。

实现本发明目的的技术方案是：

一种基于双随机游走模型的miRNA-疾病关联预测方法，与现有技术不同处在于，包括如下步骤：

1)获取miRNA-疾病关联数据集，构建关于miRNA-疾病关联的邻接矩阵：从HMDD数据库中获取经生物实验证实的miRNA-疾病关联数据，得到5430对不同的miRNA和疾病关联数据，其中涉及疾病种类383种，miRNA种类495种，定义D＝{d(1)，d(2)，d(3)，...，d(nd)}来记nd种疾病的集合，M＝{m(1)，m(2)，m(3)，...，m(nm)}来记nm种miRNA的集合，构建邻接矩阵MD_nd×nm表示miRNA和疾病关联数据的关系，当疾病d(i)和miRNAm(j)被验证为关联时，邻接矩阵MD_nd×nm中MD(i，j)的值设为1；反之，MD(i，j)的值设为0，表示未知的关联；

2)分别构建miRNA和疾病的高斯相互作用属性核相似性矩阵：依据步骤1)建立的邻接矩阵MD_nd×nm，首先，构建miRNA高斯相互作用属性核相似性矩阵KM：miRNAm(i)和m(j)的高斯相互作用属性核相似性计算如公式(1)和公式(2)所示：