[发明专利]基于深度分解机的piRNA与疾病关联关系预测方法

说明书

本发明公开了基于深度分解机的piRNA与疾病关联关系预测方法，包括以下步骤：步骤1，piRNA与疾病关联关系预测基准数据集的构建；步骤2，多视角相似性的计算；步骤3，基于深度自动编码器的可靠负集的构建；步骤4，预测模型的构建；步骤5，关联关系的判定，对于步骤4获得的预测分数，概率较大的预测类别作为最终结果，即可确定当前piRNA是否与疾病相关；本发明可用于预测piRNA与疾病之间的关联关系中，采用严格条件构建了可靠的数据集，在分类过程使用新颖的基于多角度相似性融合的深度分解机，令后续分类结果更为可靠和可信，降低预测误差。

技术领域

本发明属于生物医学领域，具体涉及基于深度分解机的piRNA与疾病关联关系预测方法。

背景技术

预测RNA与疾病之间的关联关系是生物医学研究的一个重要领域，主要意义如下：1.早期诊断：识别与特定疾病相关的RNA有助于疾病的早期诊断，可以为患者带来更早的治疗和更好的结果。2.个性化医疗：了解RNA在疾病中的作用有助于开发针对特定RNA的个性化治疗，从而提高治疗效果并减少副作用。3.药物开发：识别与疾病有关的RNA也有助于开发针对这些RNA的新药，从而可以开发更有效和更有针对性的疗法。4.了解疾病：了解RNA在疾病中的作用还可以深入了解疾病的潜在机制，这有助于开发新的诊断和治疗策略。总体而言，预测RNA与疾病之间的关系是改善疾病诊断、治疗和预防的关键步骤。

现有预测疾病与非编码RNA关联研究的计算方法主要聚焦在lncRNA和miRNA，piRNA相关研究于2020年开启。piRNA是2006年发现的一类与Argonaute蛋白PIWI亚家族结合的非编码小RNA。piRNA长度比miRNA略长，大约为24-32个核苷酸，具有5’末端尿苷或第十位腺苷偏好，缺乏清晰的二级结构。近十年内，越来越多的证据表明，PIWI-piRNA复合体失调与多种人类疾病有关，包括不孕症、癌症、心血管疾病、神经系统疾病等复杂疾病。piRNA是预测复杂疾病诊断、治疗和预后效果的潜在生物标志物，促使研究人员探索它们与特定人类疾病的关联关系。

到目前为止，有许多生物实验技术可以用于识别piRNA与疾病的关联关系，例如高通量转录组测序、体内和体外核糖体实验等。然而这类实验需要专业的研究人员，实验试剂及器材等高额成本，耗时费力。

伴随piRNA相关研究的深入和实验数据的积累，piRNA与疾病关联信息专题数据相关的数据库被逐渐建立起来，使得利用生物信息学方法预测piRNA与疾病关联的相关工作得以开展。这类专题数据库包括piRDisease1.0，pirpheno2.0和MNDR3.0。现有基准数据集是基于piRDisease1.0和MNDR3.0构建，疾病数量稀少，数据极不平衡。

现有piRNA相关研究于2020年开启，尽管在现有数据集上取得较好性能，但是基准数据集的规模和质量，模型表征学习能力都有待提升。

发明内容

预测RNA与疾病之间的关系是改善疾病诊断、治疗和预防的关键步骤。新近研究表明piRNA作为一种新型的非编码RNA，与疾病具有密切的关系。预测piRNA与疾病之间的关联关系有助于开发新的治疗策略和疾病生物标志物。目前，piRNA与疾病之间预测研究基准数据集的规模和质量，模型表征学习能力都有待提升。

为克服上述现有研究的不足，本发明的目的是为生物医学领域提供一种基于深度分解机的piRNA与疾病关联关系预测方法，旨在应用深度学习技术更高效且可靠地进行预测研究，令后续分类结果更为可靠和可信，降低预测误差。

为解决上述问题，本发明提出了基于深度分解机的piRNA与疾病关联关系预测方法，包括以下步骤：

步骤1，piRNA与疾病关联关系预测基准数据集的构建；