[发明专利]识别调控网络中核心调控因子的方法、系统及计算机介质

权利要求书

1.一种基于多组学数据精准识别调控网络中核心调控因子的方法，其特征在于，包括如下步骤：

获取分子调控网络；

基于基因组的变异或非特异性的修饰调控，得到调控网络节点受到的自扰动；

基于特异性的修饰调控关系，得到调控网络节点受到的外部扰动编码；

根据自扰动和外部扰动编码，计算扰动分数；

设置阈值，将扰动分数与阈值对比，根据对比结果，判断调控网络节点是否为核心调控因子。

2.如权利要求1所述的基于多组学数据精准识别调控网络中核心调控因子的方法，其特征在于，基于节点标准和边缘标准，获取分子调控网络的方法如下：

将细胞分数估计值分类并归入三分位数，为低、中、高，若集群内超过66％的样本被归类为“中”或“高”，则节点将保留给一个节点集；若两个连接节点的一致性分数大于一致性分数分布的P25，则保留边，得到边集，调控网络由其节点集和边集共同组成；

下游促进作用的一致性分数计算如下：

下游抑制作用的一致性分数计算如下：

其中，n_low,low是节点1低和节点2低的样本数；n_low,high是节点1为低，节点2为高的样本数量；n_high，high是节点1高和节点2高的样本数；n_high，low是节点1高和节点2低的样本数。

3.如权利要求1所述的基于多组学数据精准识别调控网络中核心调控因子的方法，其特征在于，得到调控网络节点受到的外部扰动编码的方法如下：

设节点i的第k次扰动事件编码为：

4.如权利要求1所述的基于多组学数据精准识别调控网络中核心调控因子的方法，其特征在于，判断调控网络节点是否为核心调控因子的方法如下：

对于节点V(G)1和边E(G)0的加权图G(V,E)，样本空间Ω是通过从V(G)有放回随机采样Kp次得到，设节点i的加权扰动分数是PS_ran(i)，i∈Ω，给定一个节点j∈V(G)，如果加权得分PS_obs(i)满足：

当P0.05，则节点j在加权图G(V,E)中为核心调控因子。

5.如权利要求4所述的基于多组学数据精准识别调控网络中核心调控因子的方法，其特征在于，与正常样本相比，一个特定状态下基因i的表达变化量化为：

其中，p_i是差异表达假设检验的p值，φ^(-1)是逆高斯累积分布函数；因此，扰动分数定义为：

其中，CS_j是基因i与上游调控基因j在一个免疫簇中的一致性评分，即外部扰动权重；OR_i,a是与CS_j在同一组中的基因i的第a次自扰事件的比值比，即自扰动权重；m表示基因数量。

6.一种基于权利要求1-5之一所述方法的精准识别调控网络中核心调控因子的系统，其特征在于，包括分子调控网络构建单元、自扰动获取单元、外部扰动获取单元和处理单元；

所述分子调控网络构建单元，用于获取分子调控网络，分子调控网络构建单元分别与自扰动获取单元和外部扰动获取单元的输入端连接；

所述自扰动获取单元，用于获取调控网络节点受到的自扰动；

所述外部扰动获取单元，用于获取调控网络节点受到的外部扰动编码；

所述处理单元分别与自扰动获取单元和外部扰动获取单元的输出端连接，处理单元用于计算得到扰动分数，并将扰动分数与阈值对比，判断调控网络节点是否为核心调控因子。

7.一种计算机介质，其特征在于，所述计算机介质内存储有执行权利要求1-5之一所述方法的程序。