[发明专利]一种基因合成致死关联预测方法

权利要求书

1.一种基因合成致死关联预测方法，其特征在于，所述方法包括以下步骤：

S1：确定并使用多标签学习损失函数；

S2：对多标签学习损失函数设置图正则化惩罚项；得到图正则化多标签学习模型；

S3：利用多视角信息重新构建S2中的图正则化多标签学习模型，确定自适应加权多视角模型；

S4：对自适应加权多视角模型进行求解，实现基因合成致死关联的预测；

S1所述损失函数为：

其中，为预测的基因合成致死关联矩阵，矩阵中每个元素U_ij的数值表示基因g_i和基因g_j形成合成致死关联的可能性，数值越大表明越可能形成致死关联；Y∈{0,1}^n×n描述已知的基因合成致死关联，n为基因的数目；Tr(·)表示矩阵的迹；

S2中图正则化多标签学习模型为：

对上述模型进一步整理如下：

其中，L_OS是基因相似矩阵的标准化拉普拉斯矩阵，拉普拉斯矩阵定义为L＝D-OS，其中D为对角矩阵，其对角线元素标准化拉普拉斯矩阵定义为α是控制图正则化项的超参数；OS为基因相似矩阵；

S3具体为：

引入加权损失项该项通过赋予多个不同视角的相似矩阵不同的权重w⁽⁾，进而学习出一个最优的基因相似矩阵OS，综合图正则化多标签学习模型以及加权损失项W，目标函数可以进一步地转化为下述自适应加权多视角模型：

其中，S^(z)为第z个视角的基因相似矩阵；w^(z)为第z个视角的基因相似矩阵被赋予的权重；

S4中对自适应加权多视角模型进行求解，采取迭代更新的求解方法；

在每次迭代更新的过程中，先固定一个变量，再求解另一个变量的措施，使得两个变量在迭代过程中交替更新，进而达到最优解；

S4的求解过程具体为：

S4.1：初始化权重w^(z)，z＝1,…,m；

S4.2：依次交替更新以下操作，直至满足收敛条件：

固定U，将U看成已知常量，求解OS；

固定OS，将OS看成常量，求解U；

S4.3：更新权重w^(z)，z＝1,…,m；

S4.4：重复进行S4.2和S4.3，直至满足预设的权重收敛条件，得到最终的基因致死关联矩阵OS。

2.根据权利要求1所述的基因合成致死关联预测方法，其特征在于，基因相似矩阵的构建过程具体为：

利用多视角数据，从不同视角计算基因之间的相似性，得到多个基因相似矩阵，m个视角则对应m个相似矩阵：S＝{S⁽¹⁾,S⁽²⁾,…,S^(m)}；

从上述m个相似矩阵中通过加权学习得到一个总的基因相似矩阵OS，其中，OS_ij度量了基因i和基因h的相似程度。

3.根据权利要求1所述的基因合成致死关联预测方法，其特征在于，S4.2中固定U，将U看成已知常量，求解OS的具体过程为：

将目标函数可以化简为：

将该表达式进一步转换成：

其中，u_j表示矩阵U的第j行；

由于矩阵OS中，第i行与第j行之间是相互独立的，因此求解过程中，只考虑单行的求解:

令将目标式化简为：

最后利用迭代算法对上式进行求解。

4.根据权利要求3所述的基因合成致死关联预测方法，其特征在于，S4.2中固定OS，将OS看成常量，求解U的具体过程为：

将目标函数可以化简为：

将目标函数对U求导，且令导函数为0，求得：

(2L_OS+)U＝Y

其中，E为对角线元素值为1的单位矩阵；

通过矩阵线性方程求解，得：

U＝(2αL_os+)^-1Y。

5.根据权利要求4所述的基因合成致死关联预测方法，其特征在于，对于第z个视角的权重，其更新公式为：

对权重进行归一化，得到：