[发明专利]一种LncRNA和环境因素关联关系的高效预测方法

权利要求书

1.一种LncRNA和环境因素关联关系的高效预测方法，其特征在于，包括以下步骤：

步骤1：从公开数据库DLREFD(网址：http://chengroup.cumt.edu.cn/DLREFD/)下载LncRNA-环境因素关联关系数据集，进行去重等处理，得到LncRNA的列表和环境因素的列表，并且得到LncRNA-环境因素关联关系的关联矩阵A；然后分别计算出LncRNA的高斯相互作用属性核相似矩阵KL和环境因素的高斯相互作用属性核相似矩阵KE。

步骤2：利用公开的SimComp工具(网址：Similar Compound,https://www.genome.jp/tools/simcomp/)计算环境因素之间的化学结构相似性矩阵E。

步骤3：将KL进行逻辑斯蒂(logistic)函数转换，得到LncRNA相似矩阵SL；利用环境因素之间的化学结构相似性矩阵E、环境因素的高斯相互作用属性核相似矩阵KE，构建环境因素的相似矩阵SE。

步骤4：融合LncRNA-环境因素关联关系网络的关联矩阵A、LncRNA的相似矩阵SL和环境因素的相似矩阵SE三个子网，构建一个全局异构网络；在异构网络上，利用重启随机游走算法得到扩散特征。使用奇异值分解(SVD)对扩散特征进行降维。

步骤5：计算异构网络上lncRNA-环境因素对的Hetesim得分。

步骤6：结合扩散特征和HeteSim得分得到特征数据集，将得到的特征数据用于训练梯度提升树(GBDT)分类器，该分类器用于预测LncRNA-环境因素的关联关系。

步骤7：使用10折交叉验证进行验证。

2.根据权利要求1所述的LncRNA和环境因素关联关系的高效预测方法，其特征在于，步骤1中LncRNA-环境因素关联关系网络的关联矩阵A，LncRNA的高斯相互作用属性核相似矩阵KL和环境因素的高斯相互作用属性核相似矩阵KE的步骤如下：

利用公开数据库DLREFD下载的已知的LncRNA-环境因素关联关系，构建LncRNA-环境因素关联的关联矩阵A，如果LncRNA-环境因素存在关联，则A中对应元素为1，反之为0。构建LncRNA的高斯相互作用属性核相似矩阵KL,计算每个LncRNA对,即LncRNA l_i和LncRNA l_j之间的高斯相互作用属性核相似性；同样地,基于功能相似的LncRNA与相似的环境因素之间具有关联关系的假设,利用已知的LncRNA-环境因素关联关系网络,构建环境因素的高斯相互作用属性核相似矩阵KE。

3.根据权利要求1所述的LncRNA和环境因素关联关系的高效预测方法，其特征在于，步骤2中利用公开的SimComp工具计算环境因素之间的化学结构相似性矩阵E。以数据库DLREFD中的环境因素对应的KEGG数据库入口编号作为参数，使用SimComp工具计算这些环境因素之间的化学结构相似分数。通过调用SimComp的API计算每一对环境因素e_i和环境因素e_j的化学结构相似分数E(e_i,e_j)。

4.根据权利要求1所述的LncRNA和环境因素关联关系的高效预测方法，其特征在于，步骤3中将KL进行逻辑斯蒂(logistic)函数转换，得到的LncRNA相似矩阵SL；利用环境因素之间的化学结构相似性矩阵E、环境因素的高斯相互作用属性核相似矩阵KE，构建环境因素的相似矩阵SE。

5.根据权利要求1所述的LncRNA和环境因素关联关系的高效预测方法，其特征在于，步骤4中融合LncRNA-环境因素关联关系网络的关联矩阵A、LncRNA的相似矩阵SL和环境因素的相似矩阵SE三个子网，构建一个全局异构网络；在异构网络上，利用重启随机游走算法计算扩散分数，得到高维扩散特征，再使用奇异值分解(SVD)进行降维得到d维的低维扩散特征。具体步骤为：第一步:构建游走网络。第二步:在新建的游走网络上实现随机游走，获得稳定的随机游走概率，得到扩散特征。第三步：使用奇异值分解(SVD)对扩散特征进行降维。