[发明专利]一种基于相似性网络融合算法的生物数据网络处理方法

说明书

本发明公开了一种基于相似性网络融合算法的生物数据网络处理方法，属于生物信息分析技术领域。所述方法通过首先对生物多种遗传信息如mRNA，miRNA，lncRNA等构建相似性网络，再使用SNF算法对相似矩阵进行融合，创建可用的样本网络，利用谱聚类进行聚类，分析网络之间的关系，从而用于疾病致病机理的发现，早期诊断和后期治疗等领域。本发明方法能够利用不同类型的数据的互补性得到更为综合的结果，大大优于单一数据的分析和建立，为后续的综合分析建立基础。

技术领域

本发明涉及一种基于相似性网络融合算法的生物数据网络处理方法，属于生物信息分析技术领域。

背景技术

伴随着人类基因组计划的发展，生物信息学也在迅速完善和发展。高通量测序技术的发展促进了更全面更深入地对基因组进行分析。随着测序成本的不断降低，包括基因组学、转录组学等在内的多组学数据不断积累，海量生物学数据有助于全面地有效地挖掘其中所蕴含的生物学知识，为生物信息分析提供了丰富的数据资源，同时也带来了新的挑战。随着具备大数据特征的生物学数据的不断积累及精准医疗战略计划的开启，生物信息分析的重要性也日益增长，对当前相关领域的发展具有重大的推动意义。而如何通过生物实验数据挖掘出生物网络的潜在变化，一直是以系统的方法研究生命现象的热点和难点。常规的方法往往只能同时针对某一生物类型数据进行分析，而无法同时对多种生物类型数据进行分析，无法利用不同类型数据蕴含的不同特征。

肖斌(《Luminal亚型乳腺癌细胞与正常乳腺细胞的circRNA表达谱差异分析》，南方医科大学学报，2018，38(8)，1014-1019.)等报道的是一种单因素的生物信息分析。通过两种细胞的circRNA表达谱，提取数据后，对采集到的阵列图像进行分位数归一化和后续数据处理,进行火山图和聚类热图分析，得到Luminal亚型乳腺癌细胞与正常乳腺细胞的circRNA表达差异较大，其中表达上调或下调的circRNA有望成为Luminal亚型乳腺癌诊断的新靶标的结论。然而在实际的疾病基因关系中，通常是由多种类型基因相互影响共同作用于细胞进而产生疾病，单一数据的分析存在一定的局限性。

刘玉智(《表达谱芯片与DNA甲基化芯片综合分析探索鼻咽癌发生、发展的分子靶标》，临床检验杂志,2018，(8)，574-578.)分别分析基因表达芯片数据和DNA甲基化芯片数据，利用R语言的相关工具包对表达谱芯片进行差异表达分析，对DNA甲基化芯片进行差异甲基化位点分析，利用DAVID数据库对筛选出的差异表达基因进行基因功能分析和信号通路分析，最后筛选出4个与鼻咽癌发生、发展相关的分子靶标和潜在的治疗靶点。虽然这篇文章已经运用到多种类型数据，获得了鼻咽癌相关治疗靶点，但是其实质仍是对单一类型数据进行数据处理，并没有在同一时间融合多种数据的特征进行数据分析。

发明内容

为了解决目前存在的只能从单一类型数据进行分析而没有在同一时间融合多种类型的数据的特征进行数据分析从而确定疾病亚型的问题，本发明提供了一种基于相似性网络融合算法的生物数据网络处理方法。

一种生物数据网络处理方法，所述方法包括：

S1：根据不同生物数据类型的样本数据集分别构建各个类型对应的样本相似性矩阵；

S2：根据S1构建的各个类型对应的样本相似性矩阵，采用SNF算法构建多种类型的样本数据的融合相似性矩阵；

S3：采用谱聚类方法将S2得到的多种类型的样本数据对应的融合相似性矩阵进行聚类确定样本数据所属子类。

可选的，所述S1包括：

对包含有不同生物数据类型的样本数据集中的每一类型数据进行归一化处理；

归一化后计算同一类型的样本间的欧式距离，构建距离矩阵；

采用高斯热核函数构建各个类型的样本数据的样本相似性矩阵。