[发明专利]一种基于异构图卷积神经网络的合成致死相互作用预测方法

权利要求书

1.一种基于异构图卷积神经网络的合成致死相互作用预测方法，其特征在于实施步骤为：

(1)收集已知合成致死相互关联数据、基因GO信息数据、基因PPI数据；

(2)进行基因GO相似性分析，利用基于语义基因功能相似性度量算法对基因与基因之间的GO功能相似性进行度量，构建基因基于GO功能相似性的特征；

(3)进行基因基于PPI特征的构建，利用蛋白质相互关联数据构建蛋白质和蛋白质之间的关联网络，通过随机游走的方式获取每一个基因基于蛋白质相互关联网络的特征；

(4)利用合成致死相互关联数据构建邻接矩阵，融合基因基于GO功能相似性特征和基于PPI特征的领域特征；

(5)构建基于图卷积神经网络的合成致死对预测模型，预测潜在的合成致死相互作用，得到最终结果。

2.根据权利要求1所述的一种基于异构图卷积神经网络的合成致死相互作用预测方法，其特征在于数据收集阶段：

(1)从SynLethDB数据库中下载被实验验证的人类合成致死相互作用数据，将其作为分析数据的主体和目标矩阵；

(2)从GeneOntology数据库中提取基因的GO数据，以度量基因的功能相似性；

(3)从String蛋白质数据库中收集基因对应蛋白质的PPI数据，以度量基因的PPI相似性。

3.根据权利要求1所述的一种基于异构图卷积神经网络的合成致死相互作用预测方法，其特征在于GO功能相似性分析阶段：

(1)两个基因在GO术语描述上的距离越接近，则证明它们的功能相似性越高，所有基因的GO术语都通过有向无环图来表示，使用该有向无环图来计算每一个术语的语义值；

(2)利用已经获得的GO语义值，对两个术语之间的相似性进行度量，进而获得基因之间的功能相似性。

4.根据权利要求1所述的一种基于异构图卷积神经网络的合成致死相互作用预测方法，其特征在于基因基于PPI特征的构建阶段：

(1)在PPI上面具有相似拓扑结构的基因的潜在向量在潜在空间中也更加相似，使用Networkx构建PPI网络；

(2)基于PPI网络，使用随机游走的方式获取每一个节点在PPI网络拓扑结构上的潜在特征表示，进而获得对应基因的潜在特征。

5.根据权利要求1所述的一种基于异构图卷积神经网络的合成致死相互作用预测方法，其特征在于融合基因基于GO功能相似性特征和基于PPI特征的领域特征阶段：

(1)对于获得的基因基于GO功能相似性特征和基于PPI特征，先使用邻接矩阵分别获得对应基因结合领域基因特征之后的新的特征；

(2)随后，通过池化层更新刚刚获得的新的基于GO功能相似性特征和基于PPI特征。

6.根据权利要求1所述的一种基于异构图卷积神经网络的合成致死相互作用预测方法，其特征在于构建基于图卷积神经网络的合成致死对预测模型，根据更新后的特征、目标矩阵对该模型进行训练，获得最终的预测模型，对合成致死对进行预测并对其分数按降序排序，得分越高的越可能是潜在的合成致死相互作用。