[发明专利]一种基于相关性优化和免疫富集的lncRNA特征识别方法

说明书

本发明公开了一种基于相关性优化和免疫富集的lncRNA特征识别方法，旨在识别参与免疫调控的lncRNA特征：首先，对信使RNA(mRNA)和长非编码RNA(lncRNA)之间的直接相关性进行分析，获得直接相关系数；然后，对mRNA和lncRNA之间的偏相关性进行分析，获得偏相关系数；其次，对相关性进行综合分析，将直接相关系数和偏相关系数进行融合，获得优化后的相关系数；最后，根据优化后的相关系数和免疫基因集进行GSEA富集分析，获得免疫相关的lncRNA特征。本发明对直接相关和偏相关进行融合，将融合后的相关性用于免疫富集分析，使得免疫相关的lncRNA特征鉴定的准确度更高。

技术领域

本发明属于生物医学技术领域，具体涉及一种lncRNA特征识别方法。

背景技术

长非编码RNA(lncRNA)是指长度大于200个核苷酸的RNA分子，与其它RNA相比，lncRNA有着较低的表达值和保守性，刚开始被误认为是转录噪声。近年来，越来越多的lncRNA被鉴定出来，GENECODE数据库(v22)已经注释出了14286个lncRNA。研究表明，lncRNA参与许多重要的调控过程，且和癌症的发生息息相关。免疫相关的lncRNA特征的识别，有助于我们在分子水平对其发病机制进行研究。相关性分析是一种常见的RNA表达数据分析方法，常被用来分析mRNA和lncRNA之间的相互关联程度。mRNA与lncRNA之间的相关性分直接相关和间接相关两种，对应的相关系数为直接相关系数和偏相关系数。Pearson相关性和Spearman相关性计算的均是直接相关系数，偏相关系数是在直接相关的基础上，消除影响因素后的净相关程度。相关系数可以作为排序得分，从而进行功能富集分析。GSEA是常用的富集分析方法，其基本原理如下：首先，进行基因排序，形成一个排好序的基因列表；然后，分析基因集的富集情况；其次，计算基因集的ES值；最后，对基因集的ES值进行显著性检验及多重假设检验，从而计算出显著富集的基因集。

直接相关性计算方法Pearson和Spearman虽然可以在一定程度上拟合mRNA和lncRNA之间的表达相关性，但它们均存在一定的局限性。对于Pearson相关性来说：当存在一个非常远的离群点时，Pearson相关性不能客观地表示相关性的大小；当变量之间的相关性很复杂时(不是简单的线性相关)，即使它们之间的相关程度很高，Pearson相关性的数值也可能为0；对于Spearman相关性来说：必须假设数据是从正态分布中成对获得的；数据至少在逻辑范围内时等距的。此外，mRNA和lncRNA的作用关系不一定是直接相关的，也可能是偏相关的。mRNA与lncRNA的表达情况可能会受肿瘤纯度的影响，为了消除这个影响，必须对mRNA和lncRNA在肿瘤纯度上的偏相关性进行计算。综上，基于现有相关性计算方法存在的缺陷，有必要对其进行优化，将直接相关性和偏相关性进行融合，获得优化后的相关系数，并将这个系数用于免疫富集分析，从而获得免疫相关的lncRNA特征。

发明内容

为了克服现有技术的不足，本发明提供了一种基于相关性优化和免疫富集的lncRNA特征识别方法，旨在识别参与免疫调控的lncRNA特征：首先，对信使RNA(mRNA)和长非编码RNA(lncRNA)之间的直接相关性进行分析，获得直接相关系数；然后，对mRNA和lncRNA之间的偏相关性进行分析，获得偏相关系数；其次，对相关性进行综合分析，将直接相关系数和偏相关系数进行融合，获得优化后的相关系数；最后，根据优化后的相关系数和免疫基因集进行GSEA富集分析，获得免疫相关的lncRNA特征。本发明对直接相关和偏相关进行融合，将融合后的相关性用于免疫富集分析，使得免疫相关的lncRNA特征鉴定的准确度更高。

本发明解决其技术问题所采用的技术方案包括如下步骤：

步骤1：计算mRNA和lncRNA之间的直接相关系数；

步骤2：计算mRNA和lncRNA之间的偏相关系数；

步骤3：根据mRNA和lncRNA之间直接相关系数和偏相关系数，对相关性进行优化，确定mRNA和lncRNA之间优化后的相关系数；