[发明专利]基于拉普拉斯正则化最小二乘和网络投影的lncRNA-疾病关联预测方法和系统

说明书

基于拉普拉斯正则化最小二乘和网络投影的lncRNA‑疾病关联预测方法和系统，本发明引入疾病高斯核谱相似性和lncRNA高斯核谱相似性来构建综合的疾病相似度矩阵和综合的lncRNA相似度矩阵，再在上述综合的疾病相似度矩阵和综合的lncRNA相似度矩阵中分别实施拉普拉斯正则化最小二乘法，并将所得到的两个预估得分矩阵整合得到lncRNA与疾病关联复合预估得分矩阵，再通过网络投影手段，分别将综合的疾病相似度矩阵和综合的lncRNA相似度矩阵在lncRNA与疾病关联复合预估得分矩阵上进行投影，最终得出lncRNA与疾病关联预测结果。与现有预测方法相比，本发明能同时预测所有疾病与lncRNA的关联，并且能够用于孤立疾病和新lncRNA的预测，具有不需要负样本和只有一个参数的优点，预测准确性更高。

技术领域

本发明涉及生物信息技术领域，特别涉及一种基于拉普拉斯正则化最小二乘和网络投影的lncRNA-疾病关联预测方法和系统。

背景技术

长链非编码RNA(Long non-coding RNA, lncRNA)是长度大于 200 个核苷酸的非编码 RNA。近年来，大量证据表明，许多lncRNA与人类疾病密切相关，并且lncRNA的突变和失调会引发多种疾病，包括宫颈癌、卵巢癌等，因此，识别和预测lncRNA与疾病之间的关联关系有助于探索疾病的发病机制，这也促使lncRNA与疾病的相关性的识别和确认成为近年来生物学研究领域的一个重要课题。然而，通过生物实验来确定lncRNA与疾病之间的关联是非常费时费力的，而利用计算机技术来预测潜在的疾病关联lncRNA则可以大大降低工作强度，从而节省成本和时间，目前较为领先的预测模型有IIRWR和LDAI-ISPS，但是上述计算预测模型的涉及的参数较多，需要较多的负样本数据支撑，对于数据资源的依赖性较高，实施难度较大，并且泛化能力较弱，预测精度也有待提高。

发明内容

本发明的目的之一是提供一种实现简单、结果准确度较高的基于拉普拉斯正则化最小二乘和网络投影的lncRNA-疾病关联预测方法。

为了实现上述目的，本发明所涉基于拉普拉斯正则化最小二乘和网络投影的lncRNA-疾病关联预测方法采用以下手段：

步骤一、在疾病语义相似性的基础上结合疾病高斯核谱相似性得到综合的疾病相似度矩阵；在lncRNA功能相似性的基础上结合lncRNA高斯核谱相似性得到综合的lncRNA相似度矩阵；

步骤二、在综合的疾病相似度矩阵中实施拉普拉斯正则化最小二乘法得到疾病预估得分矩阵，在综合的lncRNA相似度矩阵中实施拉普拉斯正则化最小二乘法得到lncRNA预估得分矩阵，再将疾病预估得分矩阵和lncRNA预估得分矩阵整合获得lncRNA与疾病关联复合预估得分矩阵；

步骤三、将综合的疾病相似度矩阵在lncRNA与疾病关联复合预估得分矩阵上投影得到一个投影得分矩阵，将综合的lncRNA相似度矩阵在lncRNA与疾病关联复合预估得分矩阵上投影得到另一个投影得分矩阵，接着将基于综合的疾病相似度矩阵的投影得分矩阵的转置矩阵与基于综合的lncRNA相似度矩阵的投影得分矩阵进行结合，并求其平均值，得到最终lncRNA与疾病关联预测得分，进而得出疾病关联lncRNA预测结果。

其中，在步骤一中，疾病高斯核谱相似性表示为：

；

其中，为疾病和疾病之间的高斯核谱相似性；为已知疾病关联lncRNA矩阵中疾病的第i列，为矩阵中疾病的第j列；参数用来控制的内核带宽，通过下式计算得到：

。

进一步地，在步骤一中，lncRNA高斯核谱相似性表示为：

；

其中，为lncRNA和lncRNA之间的高斯核谱相似性；为矩阵中lncRNA的第i列，为矩阵中lncRNA的第j列；参数用来控制的内核带宽，通过下式计算得到：

。

更进一步地，在步骤一中，在疾病语义相似性的基础上结合疾病高斯核谱相似性得到综合的疾病相似度矩阵为：

；