买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于关系网络协同学习的疾病相似关系度量方法，主要解决现有技术提取疾病特征时未能充分捕捉疾病潜在多元分子作用模式及难以有效挖掘疾病间复杂相似关系的问题。其实现是：分别构建基因交互网络和微小RNA功能相似网络；利用构建的网络提取基因节点和微小RNA节点的隐层特征；设计多视角对比损失协同优化这两个隐层特征；根据优化后特征获取疾病的基因层面和微小RNA层面特征；通过多层感知机提取疾病关系对高层特征；利用已知的疾病关系对特征训练预测模型；将未知的疾病关系对特征输入训练好的预测模型，获得疾病间相似关系的度量结果。本发明能获得更具鉴别性的疾病关系对特征，且预测结果更加准确，可用于下游生物标记物预测及药物重定位。

主权项：1.一种基于关系网络协同学习的疾病相似关系度量方法，其特征在于，包括如下步骤：1利用人体不同组织中的表达谱信息构建基因间交互网络：2利用生物实验验证的微小RNA与疾病间关联知识构建微小RNA功能相似网络；3以基因间交互网络为输入，利用图卷积网络提取基因节点的隐层特征fg；以微小RNA功能相似网络为输入，利用图注意力网络提取微小RNA节点的隐层特征fm；4设计多视角对比损失，获取基因与微小RNA的优化特征Fg和Fm：4a从现有数据库中收集生物实验验证的微小RNA与基因的交互信息，并采用miRanda、TargetScan和PicTar三种序列结合预测方法，预测微小RNA与基因的结合程度，保留三种方法预测结果的共同交互对，获得指示函数，如果第i个基因与第j个微小RNA交互则置为1，否则置为0；4b根据上述获得的基因隐层特征fg、微小RNA隐层特征fm，利用余弦相关函数计算微小RNA与疾病间的交互程度relfig,fjm；4c根据上述获得的基因隐层特征fg、微小RNA隐层特征fm，交互程度：relfig,fjm,以及微小RNA与基因交互指示函数分别从基因视角设计跨网络对比损失和从微小RNA视角设计跨网络对比损失4d合并上述从两个视角得到的两个跨网络对比损失，获得多视角对比损失 其中，β为不同优化子项的平衡因子；4e利用多视角对比损失，指导基因和微小RNA表征更新过程，获得优化后的基因和微小RNA特征Fg和Fm；5根据上述获得的基因和微小RNA优化特征Fg和Fm，利用已知的疾病分别与基因、微小RNA的关联信息，获取疾病的基因层面特征fd_g和微小RNA层面fd_m；6根据上述两个层面特征fd_g和fd_m，通过多层感知机，提取疾病关系对特征其包括已知的疾病关系对特征和未知的疾病关系对特征；7根据已知的疾病关系对高层特征，采用SGD随机梯度下降优化器对现有的全连接网络进行训练，获得训练好的疾病间相似关联预测模型；8将未知的疾病关系对高层特征输入训练好的预测模型中，获得疾病间相似关系的度量结果。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于关系网络协同学习的疾病相似关系度量方法