[发明专利]基于图注意力网络的微生物-疾病关联性预测方法及系统

说明书

本发明公开了一种基于图注意力网络的微生物‑疾病关联性预测方法及系统，所述方法包括以下步骤：获取微生物和疾病的对应关系数据，构建邻接矩阵；根据邻接矩阵，分别计算微生物相似性矩阵和疾病相似性矩阵；根据微生物和疾病相似性矩阵，对微生物和疾病之间的关系进行补充，得到新的邻接矩阵；根据新的邻接矩阵，基于图注意网络，对微生物和疾病之间的关联进行重构。本发明通过微生物相似性和疾病相似性的分析，能够充分挖掘微生物与疾病之间的潜在关联关系，然后通过图注意力网络进行关联重构，提高预测的准确率。

技术领域

本发明属于医疗数据处理技术领域，尤其涉及一种基于图注意力网络的微生物-疾病关联性预测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

人类微生物在一系列复杂的人类疾病中起着至关重要的作用，并成为精确医学的新靶点。识别微生物与疾病的相关性不仅有助于揭示复杂的致病机制，而且可以为疾病的诊断和预后提供潜在的生物标志物，帮助药学家筛选药物开发的候选靶点。最近，很多人致力于开发预测微生物-疾病相关性的计算方法。现有的大多数方法都是基于线性模型或标记传播的，这在捕捉微生物和疾病之间的非线性关联方面存在局限性。此外，对于大多数以前的方法来说，对于微生物和疾病之间很少或没有任何观察到的关联进行预测仍然是一个巨大的挑战。我们可以将这些方法分为三类，即基于网络的方法、基于随机游走的方法和基于矩阵分解/补全的方法。

尽管微生物疾病预测方法是有效的，但这项预测任务仍然存在一些局限性。首先，基于网络的方法和基于随机行走的方法很容易偏向经过充分调查的疾病(或微生物)。例如，对于已知相关性很少的给定疾病(或微生物)，由于稀疏链接限制了信息传播，它们可能获得不够准确的候选微生物(或疾病)。其次，以往的大多数方法都严重依赖于已知的微生物-疾病关联进行相似性计算，这使得这些方法在涉及新疾病(或新微生物)时，由于缺乏训练数据而无法实现预测。

发明内容

为克服上述现有技术的不足，本发明提供了一种基于图注意力网络的微生物-疾病关联性预测方法及系统。通过微生物相似性和疾病相似性的分析，能够充分挖掘微生物与疾病之间的潜在关联关系，然后通过图注意力网络进行关联重构，提高预测的准确率。

为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

一种基于图注意力网络的微生物-疾病关联性预测方法，包括以下步骤：

获取微生物和疾病的对应关系数据，构建邻接矩阵；

根据邻接矩阵，分别计算微生物相似性矩阵和疾病相似性矩阵；

根据微生物和疾病相似性矩阵，对微生物和疾病之间的关系进行补充，得到新的邻接矩阵；

根据新的邻接矩阵，基于图注意网络，对微生物和疾病之间的关联进行重构。

进一步地，获取微生物和疾病的对应关系数据，还对其进行预处理，删除重复数据。

进一步地，所述邻接矩阵的每一行表示一种微生物，每一列表示一种疾病，矩阵中的元素表示相应微生物和疾病之间是否有关。

进一步地，微生物相似性矩阵计算方法为：

分别计算微生物的高斯相互作用剖面核相似性和余弦相似性；

采用线性网络融合高斯相互作用剖面核相似性和余弦相似性，得到微生物相似性矩阵。

进一步地，疾病相似性矩阵计算方法为：

分别计算疾病的高斯相互作用剖面核相似性和余弦相似性；

采用线性网络融合高斯相互作用剖面核相似性和余弦相似性，得到疾病相似性矩阵。