[发明专利]一种miRNA-疾病关联预测方法、系统、终端以及存储介质

说明书

本申请实施例涉及一种miRNA‑疾病关联预测方法、系统、终端以及存储介质。所述方法包括：根据miRNA‑疾病相关数据构建miRNA‑疾病关联矩阵、miRNA相似度矩阵以及疾病相似度矩阵；根据所述miRNA‑疾病关联矩阵、miRNA相似度矩阵和疾病相似度矩阵构建异构网络；采用神经网络学习所述异构网络的拓扑信息，通过拓扑保持计算所述异构网络的最优参数，并根据所述最优参数重建所述异构网络；所述重建后的异构网络即为miRNA与疾病的关联得分矩阵。本申请实施例解决了生物实验方法成本昂贵和耗时的问题，提高了miRNA‑疾病关联预测的效果，具有实用性，并可用于没有已知关联的疾病和miRNA之间的关联预测。

技术领域

本申请实施例属于生物信息学技术领域，特别涉及一种miRNA-疾病关联预测方法、系统、终端以及存储介质。

背景技术

miRNAs是一类长度约为22个核苷酸的微小内源性非编码RNA，通过诱导信使RNA降解、翻译抑制或其它形态调节机制来抑制靶基因的表达。大量研究证据显示，miRNA在许多生物进程中发挥重要作用，miRNA功能失调和miRNA突变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有利于人类理解疾病机制，从而为疾病的预防和治疗提供帮助。

生物实验的方法需要大量的资源和时间成本，因此，许多预测miRNA-疾病关联的计算方法被提出。现有技术中，预测miRNA-疾病关联的计算方法主要包括基于机器学习的方法和基于网络的方法。然而上述两种方法只考虑了miRNA与疾病之间片面的信息，不能充分表征miRNA与疾病之间的复杂关系，且预测准确度有待提高。因此，有必要设计一种能充分学习到miRNA和疾病关系的方法。

专利(CN109256215A)公开了一种基于自回避随机游走的疾病关联miRNA预测方法及系统，该专利利用自回避随机游走遍历疾病-miRNA二分图，使用自回避随机游走的两个属性(两个节点之间的转移概率与平均步长)之比来度量节点间的关联度，实现疾病与miRNA之间的关联预测。该方法并不能用于没有已知关联的疾病和miRNA之间关联预测。

发明内容

本申请实施例提供了一种miRNA-疾病关联预测方法、系统、终端以及存储介质，旨在至少在一定程度上解决现有技术中的预测miRNA-疾病关联计算方法只考虑了miRNA与疾病之间片面的信息、不能充分表征miRNA与疾病之间的复杂关系、预测准确度较低，以及不能用于没有已知关联的疾病和miRNA之间的关联预测的技术问题。

为了解决上述问题，本申请实施例提供了如下技术方案：

一种miRNA-疾病关联预测方法，包括以下步骤：

步骤a：根据miRNA-疾病相关数据构建miRNA-疾病关联矩阵、miRNA相似度矩阵以及疾病相似度矩阵；

步骤b：根据所述miRNA-疾病关联矩阵、miRNA相似度矩阵和疾病相似度矩阵构建异构网络；

步骤c：采用神经网络学习所述异构网络的拓扑信息，通过拓扑保持计算所述异构网络的最优参数，并根据所述最优参数重建所述异构网络；所述重建后的异构网络即为miRNA与疾病的关联得分矩阵。

本申请实施例采取的技术方案还包括：所述步骤a中，所述miRNA-疾病相关数据包括miRNA-疾病关联数据、基因功能信息、miRNA-target关联信息、miRNA家族和簇的信息以及miRNA功能相似度数据。

本申请实施例采取的技术方案还包括：在所述步骤a中，所述构建miRNA-疾病关联矩阵具体为：

根据所述miRNA-疾病关联数据构建miRNA-疾病关联矩阵。

本申请实施例采取的技术方案还包括：在所述步骤a中，所述构建miRNA相似度矩阵具体为：