[发明专利]一种基于结构预测的基因调控网络构建方法

权利要求书

1.一种基于结构预测的基因调控网络构建方法，其特征在于，包括以下步骤：

步骤1：计算系数矩阵，通过计算基因之间的Pearson系数、互信息及最大互信息来确定基因之间的相关性，作为筛选潜在父节点集的依据；

步骤2：结构预测，利用步骤1中获得的基因之间的系数矩阵，作为判定基因潜在父节点集的依据，为每个基因选取潜在父节点集；

步骤3：结构学习，采用基于评分搜索的结构学习方法，评分函数选择BDe分数，并设置每个基因的调控集合的个数为K，对于基因x_i，以潜在父节点集P_i为搜索空间，遍历所述搜索空间内的基因可能组成的集合，对每一个所述集合计算BDe分数score，根据分数高低评判所述集合作为基因x_i的父节点集的优劣；

步骤4：局部网络合并，每个基因对应一个局部网络G_i，将[G₁，……，G_n]合并成全局网络G[[x₁,G₁],[x₂,G₂],…,[x_n,G_n]]，设基因y∈G_i，则基因x_i和基因y间的存在调控关系表示为y→x_i；

步骤5：参数学习，对于所述全局网络G中的每一条调控关系进行参数学习，所述参数包括调控作用和调控概率，所述调控作用表示为激励或抑制，所述调控概率表示调控基因与靶基因的后验概率。

2.根据权利要求1所述的一种基于结构预测的基因调控网络构建方法，其特征在于，所述的步骤1计算系数矩阵，通过计算基因之间的Pearson系数、互信息及最大互信息来确定基因之间的相关性，作为筛选潜在父节点集的依据，具体步骤如下：

步骤1.1：将基因表达数据表示为一个矩阵X(m*n)，m表示基因表达数据的样本数，n为基因总数，所述矩阵X(m*n)的每一行为一个基因的表达数据向量，具体表述为第i个基因的表达数据向量表示为X_i，定义3个系数矩阵M_Pearson(n*n)用于存放基因之间的Pearson系数的计算结果，定义M_mi(n*n)用于存放互信息的计算结果，定义M_MIC(n*n)用于存放最大互信息的计算结果；

步骤1.2：由于Pearson系数、互信息和最大互信息三种方法都具有对称性的属性，因此在计算所述3个系数矩阵时只需计算上三角矩阵，利用公式(1)计算基因x_i的表达数据向量X_i与基因x_i+1,x_i+2,…,x_n的表达数据向量X_i+1,X_i+2,…X_n的皮尔逊系数，将计算得到的皮尔逊系数存放到M_Pearson(n*n)中，具体为M_Pearson[i，i+1]，M_Pearson[i，i+2]，……，M_Pearson[i，n]，同时将计算得到的皮尔逊系数复制到对应的下三角，具体为M_Pearson[i+1，i]，M_Pearson[i+2，i]，……，M_Pearson[n，i]，最终得到M_Pearson的整个矩阵表达式；

式中，r(X_i,Y)表示基因x_i的表达数据向量X_i和基因y的表达数据向量Y的皮尔逊系数，基因y∈{x_i+1,x_i+2,…,x_n}，X_ip表示基因x_i的表达数据向量X_i的第p个样本表达值，Y_jp表示基因y的表达数据向量Y的第p个样本表达值，表示基因x_i的表达数据向量X_i的样本平均值，表示基因y的表达数据向量Y的样本平均值，m表示基因表达数据的样本数；

步骤1.3：利用公式(2)计算基因x_i的表达数据向量X_i与基因x_i+1,x_i+2,…,x_n的表达数据向量X_i+1,X_i+2,…X_n的互信息的值，将计算得到的互信息值存放到M_mi(n*n)中，具体为M_mi[i，i+1]，M_mi[i，i+2]，……，M_mi[i，n]，同时将计算得到的互信息值复制到对应的下三角，具体为M_mi[i+1，i]，M_mi[i+2，i]，……，M_mi[n，i]，最终得到M_mi的整个矩阵表达式，

式中，I(X_i,Y)表示基因x_i的表达数据向量X_i和基因y的表达数据向量Y的互信息值，基因y∈{x_i+1,x_i+2,…,x_n}，|C(X_i)|表示基因x_i的表达数据向量X_i的协方差矩阵的行列式的值，|C(Y)|表示基因y的表达数据向量Y的协方差矩阵的行列式的值，|C(X_i,Y)|表示向量X_i和向量Y的协方差矩阵的行列式；

步骤1.4：利用公式(3)计算基因x_i的表达数据向量X_i与基因x_i+1,x_i+2,…,x_n的表达数据向量X_i+1,X_i+2,…X_n的最大互信息的值，将计算得到的最大互信息值存放到M_MIC(n*n)中，即M_MIC[i，i+1]，M_MIC[i，i+2]，……，M_MIC[i，n]，同时将计算得到的最大互信息值复制到对应的下三角，具体为M_MIC[i+1，i]，M_MIC[i+2，i]，……，M_MIC[n，i]，最终得到M_MIC的整个矩阵表达式，

式中，mic(X_i,Y)表示基因x_i的表达数据向量X_i和基因y的表达数据向量Y的最大互信息值，基因y∈{x_i+1,x_i+2,…,x_n}，I(X_i,Y)表示所述基因x_i的表达数据向量X_i和基因y的表达数据向量Y的互信息值，a表示坐标轴X轴方向上的网格化的大小，b表示坐标轴Y轴方向上的网格化的大小，参数B取值为B＝m^0.6，其中m表示基因表达数据的样本数。