一种基于全局和局部图表示学习的miRNA疾病关联预测方法

本发明属于生物信息学领域，尤其针对计算机技术应用于mirna疾病关联预测方面，具体涉及一种基于全局和局部图表示学习的mirna疾病关联预测方法。

背景技术：

1、mirna是一种非编码单链rna，可以通过与信使rna进行碱基配对，导致mrna降解或抑制其翻译，从而在转录后水平上调控基因表达。mirna的失调或者异常表达与疾病的发生、发展密切相关。了解mirna和疾病之间的关联有助于理解疾病的病理机制，辅助疾病的诊疗，促进新的疾病治疗方案的研发。使用传统的生物实验方法确定mirna疾病间的关联耗时耗力，花费较高，无法广泛推广。因此使用计算的方法预测潜在的mirna疾病关联从而为科研人员提供疾病候选mirna，具有重要意义。

2、当前的计算方法主要包括基于相似性的方法和基于机器学习的方法。基于相似性的方法通过多种方式计算mirna和疾病的相似性并以此对mirna疾病对的关联概率进行排序。受限于所用方法的学习能力，基于相似性的方法的预测性能不高。基于机器学习的方法使用神经网络提取mirna和疾病的特征表示，用于后续的预测。随着以图卷积神经网络（graph convolutional network，gcn）为代表的图表示学习方法的兴起以及大量mirna疾病关联数据的积累为建模图结构数据提供可能，开发了许多基于gcn的mirna疾病关联预测方法。

3、现有基于gcn的预测方法中，每个节点都进行相同次数的消息传递和特征更新这一特征平滑过程，然而这一操作无法满足图中所有节点的需求，使得不能充分提取节点的局部特征信息。此外，为聚合远距离节点的特征信息，需堆叠多个gcn层，这会造成节点特征的过度平滑，影响下游分类器的预测性能，使得节点的全局特征信息不能被很好地进行提取。无法提取高质量的、全面的节点特征表示，使得现有预测方法的性能受到限制。

技术实现思路

1、针对现有技术方法的不足，本发明公开一种基于全局和局部图表示学习的mirna疾病关联预测方法，解决无法提取高质量的、全面的mirna和疾病节点特征表示，导致mirna疾病关联预测效果受限的问题。

2、本发明采取的方案如下：

3、利用多源信息计算mirna和疾病的多种相似性矩阵，构建节点的综合相似性特征矩阵并使用两个自编码器（autoencoder, ae）分别进行融合，以获得mirna和疾病的融合相似性特征矩阵。

4、根据融合相似性和已知的mirna疾病关联信息，以mirna、疾病作为节点，融合相似性作为节点的初始特征，已知关联作为连边，构建mirna-疾病属性二部图。

5、计算图中节点的度数，构建度融合模块并将其加入到transformer框架中，构建图transformer神经网络；将属性二部图输入到网络中以提取节点的全局特征嵌入表示。

6、根据图，使用自适应图卷积神经网络为图中每个节点计算各自所需的特征平滑次数，以充分提取节点的局部特征嵌入表示，避免特征过平滑问题。

7、使用全连接神经网络融合节点的全局和局部特征；将mirna的特征和疾病的特征进行拼接，构建mirna-疾病对特征表示；利用多层感知机分类器对潜在关联进行预测。

8、本发明的有益效果包括：

9、1.为每个节点计算各自所需的特征平滑次数，以自适应地聚合节点的局部特征，避免gcn特征提取过程中的过平滑问题；

10、2.使用图transformer神经网络充分提取节点的全局特征，缓解gcn无法有效捕捉图中长距离依赖的信息的问题；

11、3.融合全局特征和局部特征，获得高质量的、全面的mirna和疾病节点特征表示，提高预测方法的性能；

12、4.为科研人员提供可信的疾病候选mirna，降低实验的时间和成本。

技术特征：

1.一种基于全局和局部图表示学习的mirna疾病关联预测方法，其特征在于，所述基于全局和局部图表示学习的mirna疾病关联预测方法包括以下步骤：

2.根据权利要求1所述的基于全局和局部图表示学习的mirna疾病关联预测方法，其特征在于，所述步骤s1中节点的综合相似性特征矩阵包含疾病的综合相似性矩阵以及mirna的综合相似性矩阵，对应的表达式如下：

3.根据权利要求1所述的基于全局和局部图表示学习的mirna疾病关联预测方法，其特征在于，所述步骤s2包括：以mirna和疾病作为节点，自编码器融合的特征作为节点的初始特征，公开数据库中记录的已知的mirna和疾病间的关联作为边，构建mirna-疾病属性二部图；图的邻接矩阵记为，节点特征矩阵记为。

4.根据权利要求1所述的基于全局和局部图表示学习的mirna疾病关联预测方法，其特征在于，所述步骤s3包括以下步骤：

5.根据权利要求1所述的基于全局和局部图表示学习的mirna疾病关联预测方法，其特征在于，所述步骤s4包括以下步骤：

6.根据权利要求1所述的基于全局和局部图表示学习的mirna疾病关联预测方法，其特征在于，所述步骤s5包括以下步骤：

技术总结本发明提供一种基于全局和局部图表示学习的miRNA疾病关联预测方法，属于miRNA疾病关联预测技术领域。所述基于全局和局部图表示学习的miRNA疾病关联预测方法包括利用miRNA和疾病的多源信息计算多种相似性矩阵并进行融合，根据已知关联信息和融合的相似性特征，构建miRNA‑疾病属性二部图；使用图Transformer神经网络提取节点全局特征表示；使用自适应图卷积神经网络提取节点局部特征表示；对全局和局部特征表示进行融合，利用多层感知机分类器预测潜在的miRNA疾病关联；该方法通过融合节点的全局和局部特征表示，可以全面、深入刻画miRNA和疾病，实现高精度的预测，为科研人员确定miRNA疾病间的关联提供可信的候选miRNA。技术研发人员：赵楷,姜春羊,毕雪华,李宇恒,高志鹏,张琳琳受保护的技术使用者：新疆大学技术研发日：技术公布日：2024/11/18