一种基于异构图生成对抗网络的lncRNA-疾病关联预测模型的构建方法技术

本发明专利技术设计了一种基于异构图生成对抗网络（GAN）的lncRNA

【技术实现步骤摘要】
一种基于异构图生成对抗网络的lncRNA
‑
疾病关联预测模型的构建方法


[0001]本专利技术涉及利用异构图生成对抗网络(GAN，Generative Adversarial Network,)生成 新的lncRNA
‑
疾病(长链非编码RNA
‑
疾病，long non
‑
coding RNA
‑
疾病)关联对的方法。生 成对抗网络利用对抗思想将生成器与鉴别器训练达到平衡，使输出生成分布尽可能接近真实 分布。

技术介绍

[0002]在生物学家的研究中，可以了解到人类基因中大约有75％能被转录为RNAs，其中又有 约74％为非编码RNA。通过生物实验，进一步了解到，lncRNA与人类疾病有着密不可分的 关系。例如LncRNA可以影响人类的发育或是导致肿瘤病变；miRNA是一类长度为18～24nt 的小分子非编码RNA，其参与了人类炎症的病变。由此可以看出长链非编码在生物研究中是 非常重要的研究，尤其是在临床诊断治疗等方面十分关键。
[0003]但是长链非编码RNAs种类繁多，与其相关联的疾病也不少，若是通过生物实验的方法 证明其相关性不仅需要耗费大量的时间还要承担高成本费用，为了解决这个问题，日渐崭露 头角的计算机技术走入大众视野，基于生物实验得到的准确数据，计算机技术成为核仁小分 子RNAs与疾病关联预测的新曙光。目前已经产生了很多模型来进行LncRNAs与疾病关联预 测，主要分为两大类，第一类是基于生物网络的预测，另一类是基于机器学习的预测。
[0004]一、基于生物网络预测
[0005]通常具有相似性的事物比较容易导致同样或相似的结果。基于这个想法，推测在 LncRNAs与疾病关联也具有相似性质，也就是说具有相似性功能的LncRNAs可能会导致相 同疾病或是具有相似性质的疾病，所以可以利用生物网络来预测未知的LncRNAs
‑
疾病关联 对。
[0006]二、基于机器学习的预测
[0007]利用机器学习来解决LncRNAs
‑
疾病关联预测问题是通过一系列适用的排名算法对候选 LncRNAs进行排序，同时再使用已知LncRNAs
‑
疾病关联对数据和未知关联数据的训练分类 模型，然而目前已知的RNAs
‑
疾病关联数据不多并且缺少负样本，无法证明LncRNAs与哪些 疾病无关，大部分采用半监督的机器学习算法来实现LncRNAs
‑
疾病关联预测。

技术实现思路

[0008]针对生物实验研究成本高耗时长的问题，目前各种各样的生物信息方法普遍都能够减低 成本且缩短时间，但关联数据中仍旧存在样本数量不足以及负样本缺乏的问题，针对该问题， 本专利技术对基于异构图生成对抗网络模型使用多种关联数据，结合多关联数据以及lncRNA序 列特征来进行lncRNAs
‑
疾病关联预测。在本文的模型中，生成对抗网络是半监督学习模型， 不仅能在一定程度上缓解样本数量不足以及负样本缺乏的情况，还能通过结
合多关联数据寻 找到更多可能的关联对，提高预测结果精度。该模型可以在数据量有限的情况实现lncRNAs
‑ꢀ
疾病关联预测，并且取得不错的预测结果，既解决生物学家进行生物实验的耗时长成本高的 问题，又解决了由于lncRNAs与疾病种类繁多，生物实验范围过大的问题，为生物学家的研 究提供参考。
[0009]本专利技术所述模型主要由以下部分组成：
[0010]异构图偏好向量模型、生成对抗网络(GAN)；
[0011]所述异构图偏好向量模型，是一种包含多种类型的节点和多种类型的边的图,节点有四种 类型:lncRNA、疾病、miRNA、基因Gene；边有6种类型：lncRNA
‑
疾病、miRNA
‑
疾病、Gene
‑ꢀ
疾病、lncRNA
‑
miRNA、miRNA
‑
Gene、lncRNA
‑
Gene；
[0012]所述生成对抗网络，包括生成器和鉴别器两部分；
[0013]算法步骤如下：
[0014]Step
‑
1:构建异构图并选取6条元路径；
[0015]Step
‑
2:在异构图中采用P1,P2,...Pl的语义信息，其中l是元路径数目，利用交换矩阵在 每一条元路径上计算lncRNA和疾病之间的相似性矩阵，由此可以得到lncRNA对所有疾病 的偏好向量；
[0016]Step
‑
3:采用注意力机制来聚合不同元路径上lncRNA和疾病之间的不同语义关系；
[0017]Step
‑
4:利用权重矩阵w
i
与偏好向量a
i
计算每条元路径上的注意得分e
m
；
[0018]Step
‑
5:再使用注意得分e
m
分别计算6条元路径的权重α
i
；
[0019]Step
‑
6:整合各原路径上的权重α
i
和注意得分e
m
，得到lncRNA的混合关联程度向量r
k
；
[0020]Step
‑
7:将r
k
作为生成对抗网络(GAN)生成器的输入，经过阈值处理：将向量中数值小 于0.5设为0；数值大于0.5的设为1，得到输出lncRNA的关联偏好向量以f
m
表示；
[0021]Step
‑
8:将lncRNA的序列特征经4
‑
mer转化为特征向量c
k
；
[0022]Step
‑
9:在lncRNA
‑
疾病关联矩阵C∈{0,1}
m
×
n
(c
xy
＝1每个元素表示lncRNA与疾病之间存 在已知关联，反之亦然)取出每对关联数据的偏好向量r；
[0023]Step
‑
10:将获取的r和c
k
做
⊙
(点乘)运算得到的x
r
作为判别器的真实数据，将f
m
和c
k
做
ꢀ⊙
(点乘)运算得到的x
f
作为判别器的虚假数据输入到生成对抗网络(GAN)的鉴别器中；
[0024]Step
‑
11:鉴别器输出鉴别结果，反馈给生成器并进行优化，直到二者达到相对理想的状 态模型就训练好了，此时输入新数据便可以进行LncRNAs
‑
疾病关联预测；
[0025]与现有技术相比，本专利技术具有如下的有益效果：
[0026]1、我们通过利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于异构图生成对抗网络的lncRNA
‑
疾病关联预测模型的构建方法，所述预测模型包括：异构图偏好向量模型、生成对抗网络GAN，其特征在于：所述异构图偏好向量模型是包含节点和边的图；所述生成对抗网络，包括生成器和鉴别器两部分；所述节点有四种类型:lncRNA、疾病、miRNA、Gene；所述边有6种类型：lncRNA
‑
疾病、miRNA
‑
疾病、Gene
‑
疾病、lncRNA
‑
miRNA、miRNA
‑
Gene、lncRNA
‑
Gene；模型构建方法步骤如下：Step
‑
1:构建异构图并选取6条元路径；Step
‑
2:在异构图中采用P1,P2,...Pl的语义信息，其中l是元路径数目，利用交换矩阵在每一条元路径上计算lncRNA和疾病之间的相似性矩阵，由此可以得到lncRNA对所有疾病的偏好向量；Step
‑
3:采用注意力机制来聚合不同元路径上lncRNA和疾病之间的不同语义关系；Step
‑
4:利用权重矩阵w
i
与偏好向量a
i
计算每条元路径上的注意得分e
m
,其中i的取值范围是1～6；Step
‑
5:再使用注意得分e
m
分别计算6条元路径的权重α
i
；Step
‑
6:整合各原路径上的权重α
i
和注意得分e
m
，得到lncRNA的混合关联程度向量r
k
；Step
‑
7:将r
k
作为生成对抗网络GAN生成器的输入，经过阈值处理，得到输出lncRNA的关联偏好向量f
m
；Step
‑
8:将lncRNA的序列特征经4
‑
mer转化为特征向量c
k
；Step
‑
9:在lncRNA
‑
疾病关联矩阵C∈{0,1}
m
×
n
取出每对关联数据的偏好向量r；Step
‑
10:将获取的r和c
k

【专利技术属性】
技术研发人员：钟华，杜标，刘琳，唐麟，
申请(专利权)人：云南师范大学，
类型：发明
国别省市：