[发明专利]基于水平关系的代谢组学网络标志物识别方法

摘要

本发明提供一种基于水平关系的代谢组学网络标志物识别方法，属于生物数据分析技术领域，用于筛选复杂疾病潜在网络标志物的代谢组学数据分析方法DNB‑HC。特征间的水平关系使用概率得分进行定义，用于衡量一对代谢特征在同一个样本中的相对表达水平的大小关系，通过随机扰乱测试确定水平关系的鲁棒性，从而确定网络连边。此外，本发明使用差异网络分析方法识别网络标志物，筛选出的网络代谢标志物具有较好的区分能力，能够为研究疾病发生发展机理及疾病的诊断提供切实有效的数据处理手段。

主权项

1.基于水平关系的代谢组学网络标志物识别方法，其特征在于，步骤如下：步骤一、获取数据来源采集需要进行识别的代谢数据集，其中，将F＝{f₁,f₂,…,f_m}定义为特征集合，m表示特征的个数；将C＝{c_t|1≤t≤N_c}定义为类标集合，N_c表示类别数量；将S＝{s₁,s₂,…,s_n}定义为样本集合，n表示样本的个数；在同一个样本中，一对特征f_i和f_j之间的水平关系分为两种情况，f_i<f_j和f_i≥f_j；步骤二、利用DNB‑HC方法在代谢数据集的每一类样本上构建水平关系网络(2.1)计算特征对<f_i,f_j>在第c_t类样本上的水平关系，即概率得分S_t(f_i,f_j)：公式(1)中，P_t(f_i<f_j)表示在c_t类样本中f_i<f_j的概率，P_t(f_i≥f_j)表示f_i≥f_j的概率；S_t(f_i,f_j)>0说明特征f_i的值在多于一半的c_t类样本上小于特征f_j的值；S_t(f_i,f_j)<0说明特征f_i的值在多于一半的c_t类样本上大于或等于特征f_j的值；|S_t(f_i,f_j)|的大小说明特征f_i和f_j在c_t类样本中具有相同的水平的多少；(2.2)在DNB‑HC方法中执行num次随机扰乱测试；每次扰乱测试中，将特征f_i和f_j的表达值进行随机重排列，计算新概率得分S’_t(f_i,f_j)；当S’_t(f_i,f_j)>S_t(f_i,f_j)>0或S’_t(f_i,f_j)<S_t(f_i,f_j)<0时，表明特征对<f_i,f_j>间的水平关系是弱的；经过num次随机扰乱后，使用公式(2)来计算随机扰乱测试的p‑value_ijt值：p‑value_ijt＝count_ijt/num                        (2)公式(2)中，count_ijt表示在c_t类样本上特征对<f_i,f_j>之间为弱关系的频次当p‑value_ijt小于阈值α时，则特征对<f_i,f_j>间的水平关系是可靠的；(2.3)当S_t(f_i,f_j)大于或等于阈值ε并且p‑value_ijt值小于阈值α，则c_t类数据子集所对应的网络中特征f_i和f_j之间存在一条f_i指向f_j的有向边；当S_t(f_i,f_j)的值小于或等于阈值‑ε并且p‑value_ijt值小于阈值α，则c_t类数据子集所对应网络中存在一条f_j指向f_i有向边；特征对<f_i,f_j>之间连边的权重即为S_t(f_i,f_j)；(2.4)计算所有特征对的概率得分和p‑value值，建成水平关系网络；步骤三、网络分析令G_t表示在样本组s_t上构建的网络，当G_t中的任意一条边e，在大部分其他样本组的网络G_p(1≤t≠p≤N_c)中有不同的表现行为时，则称e为G_t的一条“差异边”；G_t的所有的“差异边”构成其差异子网，记作SG_t；SG_t中边的权重定义为该边在G_t和G_p中对应边权重差值绝对值的平均值；差异子网SG_t中的边反映了特征水平关系在G_t与G_p之间具有明显且健壮的变化，从而利用SG_t区分s_t类样本和其他类别样本；将SG_t中的节点按照度降序排序，选取由度最大的节点及其一近邻节点所构成的星型图作为网络标志物。