基于异质生物分子网络的SNP交互作用检测系统技术方案

本公开提供了一种基于异质生物分子网络的SNP交互作用检测系统，所述方案包括：获取患病个体与不患病个体的SNP序列，并对数据进行预处理；根据样本的SNP序列和样本的患病情况，构建统计学SNP相关网络；基于已知的SNP与生物分子的相关关系，以及生物分子与疾病的相关关系，构建三阶SNP相关网络；基于已知的SNP与基因的相关关系，以及基因之间的功能上的相关关系，构建二阶SNP相关网络；基于所述统计学SNP相关网络、三阶SNP相关网络及二阶SNP相关网络，构建用于描述SNP相关关系的复合网络；基于所述复合网络对SNP序列进行聚类；从每个聚簇中检测与疾病相关的高维SNP组合。中检测与疾病相关的高维SNP组合。中检测与疾病相关的高维SNP组合。

【技术实现步骤摘要】
基于异质生物分子网络的SNP交互作用检测系统


[0001]本公开属于人工智能数据挖掘分类及生物信息学
，尤其涉及一种基于异质生物分子网络的SNP交互作用检测系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
[0003]人工智能背景下，机器学习技术可以通过融合异质生物分子网络，来辅助SNP组合与疾病关联关系的研究，如何从海量数据中快速、准确地检测SNP交互作用，是当前机器学习技术在关联性检测中仍待提升的难点。
[0004]目前SNP交互作用检测方法有：穷举搜索方法：逐个评估每个SNP组合与疾病的相关程度；使用聚类算法先将完整的SNP集合划分为多个聚簇，之后在每个聚簇内部搜索与疾病相关的SNP组合；考虑到与SNP相关的基因，miRNA，lncRNA等可以辅助相似SNP对的识别，将这些异质生物分子信息融合SNP交互作用检测中可以帮助我们获得更准确的识别结果。
[0005]专利技术人发现，由于全基因组海量的SNP数据构成的高维SNP组合，随着维度的增加，可能的SNP组合的个数呈指数增长，部分算法面临着沉重的计算负担，此外，假阳性过高等问题，也使得SNP交互作用检测在机器学习技术中还存在较多的改进空间。

技术实现思路

[0006]本公开为了解决上述问题，提供了一种基于异质生物分子网络的SNP交互作用检测系统，所述方案通过构建SNP统计学上的网络及根据异质生物分子建立SNP相关网络，由多个网络共同构建成一个复合网络，用来描述SNP之间的相似程度，可以将已知的SNP与生物分子的关联信息作为指导，增加SNP相似度定义的准确性；同时，根据建立的复合网络将全基因组SNP构建为多个聚类，在每个聚簇内部搜索与疾病相关的SNP组合，相对于原始庞大的搜索空间，减小了算法的计算负担，提高了效率。
[0007]根据本公开实施例的第一个方面，提供了一种基于异质生物分子网络的SNP交互作用检测系统，包括：
[0008]数据预获取模块，其被配置为：获取患病个体与不患病个体的SNP序列，并对数据进行预处理；
[0009]统计学网络构建模块，其被配置为：根据样本的SNP序列和样本的患病情况，构建统计学SNP相关网络；
[0010]三阶SNP相关网络构建模块，其被配置为：基于已知的SNP与生物分子的相关关系，以及生物分子与疾病的相关关系，构建三阶SNP相关网络；
[0011]二阶SNP相关网络构建模块，其被配置为：基于已知的SNP与基因的相关关系，以及基因之间的功能上的相关关系，构建二阶SNP相关网络；
[0012]复合网络生成模块，其被配置为：基于所述统计学SNP相关网络、三阶SNP相关网络
及二阶SNP相关网络，构建用于描述SNP相关关系的复合网络；
[0013]聚类模块，其被配置为：基于所述复合网络对SNP序列进行聚类；
[0014]交互作用检测模块，其被配置为：从每个聚簇中检测与疾病相关的高维SNP组合。
[0015]进一步的，所述根据样本的SNP序列和样本的患病情况，构建统计学SNP相关网络，具体包括：
[0016]对于样本集中的数据，统计每个SNP组合中每种基因型下患病个体的数目和不患病个体的数目；
[0017]基于统计数据，基于预设评价指标评估每两个SNP之间的关联程度；
[0018]对于每个SNP仅保留关联程度最强的t个SNP作为与其具有关联关系的邻居，其中，所述t为大于0的整数。
[0019]进一步的，基于已知的SNP与生物分子的相关关系，以及生物分子与疾病的相关关系，构建三阶SNP相关网络，具体步骤包括：
[0020]根据已验证的SNP和基因，miRNA，lncRNA的关联关系，构建描述该关联关系的矩阵；
[0021]根据已验证的疾病和基因，miRNA，lncRNA的关联关系，构建描述该关联关系的矩阵；
[0022]基于矩阵中隐含的SNP到SNP之间的路径，实现SNP相关网络的构建。
[0023]进一步的，所述基于已知的SNP与基因的相关关系，以及基因之间的功能上的相关关系，构建二阶SNP相关网络，具体为：
[0024]确定SNP、基因及基因本体之间的映射关系；
[0025]计算基因本体之间的相似度；
[0026]将其转化为SNP之间的相似度，实现SNP相关网络的构建。
[0027]进一步的，基于所述复合网络对SNP序列进行聚类，具体为：
[0028]初始时将每个SNP作为一个社区；
[0029]对于每个SNP节点，计算如果将其移到邻居节点所在的聚簇中时，网络的模块增益；取增益最大且为正的模块作为该SNP将移入的模块；重复该过程，直到没有SNP所属社区再发生变化；
[0030]将每个社区视为一个节点，重复上述过程，直到整个网络满足预设约束条件；
[0031]最终每个社区表示一个聚簇，同一个社区中的SNP属于一个聚簇中。
[0032]进一步的，所述预设约束条件为：整个网络不再发生变化或者达到最大迭代次数。
[0033]进一步的，从每个聚簇中检测与疾病相关的高维SNP组合，具体为：使用卡方检验计算每个SNP组合对应的p值，从而选出与疾病具有显著相关关系的SNP组合。
[0034]根据本公开实施例的第二个方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，所述处理器执行所述程序时执行如下步骤：
[0035]获取患病个体与不患病个体的SNP序列，并对数据进行预处理；
[0036]根据样本的SNP序列和样本的患病情况，构建统计学SNP相关网络；
[0037]基于已知的SNP与生物分子的相关关系，以及生物分子与疾病的相关关系，构建三阶SNP相关网络；
[0038]基于已知的SNP与基因的相关关系，以及基因之间的功能上的相关关系，构建二阶
SNP相关网络；
[0039]基于所述统计学SNP相关网络、三阶SNP相关网络及二阶SNP相关网络，构建用于描述SNP相关关系的复合网络；
[0040]基于所述复合网络对SNP序列进行聚类，并从每个聚簇中检测与疾病相关的高维SNP组合。
[0041]根据本公开实施例的第三个方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时执行如下步骤：
[0042]获取患病个体与不患病个体的SNP序列，并对数据进行预处理；
[0043]根据样本的SNP序列和样本的患病情况，构建统计学SNP相关网络；
[0044]基于已知的SNP与生物分子的相关关系，以及生物分子与疾病的相关关系，构建三阶SNP相关网络；
[0045]基于已知的SNP与基因的相关关系，以及基因之间的功能上的相关关系，构建二阶SNP相关网络；
[0046]基于所述统计学SNP相关网络、三阶SNP相关网络及二阶SNP相关网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于异质生物分子网络的SNP交互作用检测系统，其特征在在于，包括：数据预获取模块，其被配置为：获取患病个体与不患病个体的SNP序列，并对数据进行预处理；统计学网络构建模块，其被配置为：根据样本的SNP序列和样本的患病情况，构建统计学SNP相关网络；三阶SNP相关网络构建模块，其被配置为：基于已知的SNP与生物分子的相关关系，以及生物分子与疾病的相关关系，构建三阶SNP相关网络；二阶SNP相关网络构建模块，其被配置为：基于已知的SNP与基因的相关关系，以及基因之间的功能上的相关关系，构建二阶SNP相关网络；复合网络生成模块，其被配置为：基于所述统计学SNP相关网络、三阶SNP相关网络及二阶SNP相关网络，构建用于描述SNP相关关系的复合网络；聚类模块，其被配置为：基于所述复合网络对SNP序列进行聚类；交互作用检测模块，其被配置为：从每个聚簇中检测与疾病相关的高维SNP组合。2.如权利要求1中所述的一种基于异质生物分子网络的SNP交互作用检测系统，其特征在在于，所述根据样本的SNP序列和样本的患病情况，构建统计学SNP相关网络，具体包括：对于样本集中的数据，统计每个SNP组合中每种基因型下患病个体的数目和不患病个体的数目；基于统计数据，基于预设评价指标评估每两个SNP之间的关联程度；对于每个SNP仅保留关联程度最强的t个SNP作为与其具有关联关系的邻居，其中，所述t为大于0的整数。3.如权利要求1中所述的一种基于异质生物分子网络的SNP交互作用检测系统，其特征在在于，基于已知的SNP与生物分子的相关关系，以及生物分子与疾病的相关关系，构建三阶SNP相关网络，具体步骤包括：根据已验证的SNP和基因，miRNA，lncRNA的关联关系，构建描述该关联关系的矩阵；根据已验证的疾病和基因，miRNA，lncRNA的关联关系，构建描述该关联关系的矩阵；基于矩阵中隐含的SNP到SNP之间的路径，实现SNP相关网络的构建。4.如权利要求1中所述的一种基于异质生物分子网络的SNP交互作用检测系统，其特征在在于，所述基于已知的SNP与基因的相关关系，以及基因之间的功能上的相关关系，构建二阶SNP相关网络，具体为：确定SNP、基因及基因本体之间的映射关系；计算基因本体之间的相似度；将其转化为SNP之间的相似度，实现SNP相关网络的构建。5.如权利要求1中所述的一种基于异质生物分子网络的SNP交互作用检测系统，其特征在在于，基于所述复合网络对SNP序列进行聚类，具体为：初始时将每个SNP作为一个社区；对于每个SNP节点，计算如果将其移到邻居节点所在的聚簇中时，网络的模块增益；取增益最大且为正的模块作为该SNP将移入的模块；重复该过程，直到没有SNP所属社区再发生变化；将每个社区视为一个节点，重复上述过程，...

【专利技术属性】
技术研发人员：王峻，王昕，余国先，郭茂祖，何伟，
申请(专利权)人：山东大学，
类型：发明
国别省市：