[发明专利]疾病关联miRNA的预测方法和系统

权利要求书

1.疾病关联miRNA预测方法，其特征在于，包括以下步骤：

1)数据准备：利用疾病语义相似性和疾病高斯核谱相似性构建复合型疾病相似性网络；利用miRNA功能相似性和miRNA高斯核谱相似性构建复合型miRNA功能相似性网络；

2)miRNA与疾病关联预估：分别在复合型miRNA功能相似性网络和复合型疾病相似性网络中实施带重启的随机游走算法，得到两个稳定的分布向量，将两个分布向量整合获得miRNA与疾病关联综合预估得分网络；

3)细化预测：分别将复合型疾病相似性网络、复合型miRNA功能相似性网络在miRNA与疾病关联综合预估得分网络上进行投影，融合两个投影得分作为最终miRNA与疾病关联预测得分，进而得出疾病关联miRNA预测结果。

2.根据权利要求1所述疾病关联miRNA预测方法，其特征在于，步骤1)中，疾病高斯核谱相似性表示为：

GD(i，j)＝exp(-γ_d||MD(：，i)-MD(：，j)||²)；

其中，GD(i,j)为疾病d_i和疾病d_j之间的高斯核谱相似性；MD(:,i)为已知疾病关联miRNA矩阵中疾病的第i列，MD(:,j)为矩阵中疾病的第j列；参数γ_d用来控制GD(i,j)的内核带宽，γ_d通过下式计算得到：

其中，γ_d′为1。

3.根据权利要求2所述疾病关联miRNA预测方法，其特征在于，步骤1)中，miRNA高斯核谱相似性表示为：

GM(i，j)＝exp(-γ₁||MD(i，：)-MD(j，：)||²)；

其中，GM(i,j)为miRNA m_i和miRNA m_j之间的高斯核谱相似性；MD(i,:)为矩阵中miRNA的第i列，MD(j,:)为矩阵中miRNA的第j列；参数γ_l用来控制GM(i,j)的内核带宽，γ_l通过下式计算得到：

其中，γ_l′为1。

4.根据权利要求3所述疾病关联miRNA预测方法，其特征在于，步骤1)中：

利用疾病语义相似性和疾病高斯核谱相似性构建的复合型疾病相似性网络DD_fs为：

利用miRNA功能相似性和miRNA高斯核谱相似性构建的复合型miRNA功能相似性网络MM_fs为：

5.根据权利要求4所述疾病关联miRNA预测方法，其特征在于，步骤2)中，在复合型疾病相似性网络中实施带重启的随机游走算法，得到表示疾病节点和miRNA节点关联程度的分布向量为：

其中，MD^T为矩阵的转置矩阵；为矩阵MD^T列归一之后第i列信息，该列向量为miRNA节点m_i和全部疾病节点关联的种子序列；为DD_fs的列归一化矩阵；η为重启概率；(MD^rd(:,i))_t+1为经过t次迭代后概率空间达到稳定状态时的向量值，该向量值为miRNA节点m_i和各个疾病节点的关联得分；MD^rd为基于复合型疾病相似性网络的miRNA与疾病关联预估得分矩阵。