越來越多的研究表明,長非編碼RNA（long non-coding RNA, lncRNA）在許多生物過程中具有重要的功能,而這些長非編碼RNA的變異或功能失調(diào)會導(dǎo)致一些復(fù)雜疾病的發(fā)生.通過生物信息學(xué)方法預(yù)測潛在的長非編碼RNA-疾病關(guān)聯(lián)關(guān)系,對于致病機理的探索以及疾病診斷、治療、預(yù)后和預(yù)防都具有重要的意義.基于疾病基因關(guān)聯(lián)關(guān)系的異質(zhì)信息網(wǎng)絡(luò),研究者使用了一種相關(guān)性計算法方法——HeteSim來計算疾病基因之間的相關(guān)性,進而預(yù)測致病基因.使用的方法基于路徑約束,具有可擴展性,算法效率高,留一交叉驗證實驗表明該方法的預(yù)測結(jié)果優(yōu)于其他方法.將其應(yīng)用在卵巢癌和胃癌的預(yù)測分析中,相關(guān)文獻表明,所提方法的預(yù)測結(jié)果已被生物實驗等驗證,再次表明該方法的有效性. 

【文章來源】：計算機研究與發(fā)展. 2019,56(09)北大核心EICSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

圖１異質(zhì)信息網(wǎng)絡(luò)實例和元路徑［２４］Ｆｉｇ．１Ｈｅｔｅｒｏｇｅｎｅｏｕｓｉｎｆｏｒｍａｔｉｏｎｎｅｔｗｏｒｋｉｎｓｔａｎｃｅａｎｄｍｅｔａ－ｐａｔｈ［２４］

Ｒ，ＰＬ＝Ａ１Ａ２…Ａｍｉｄ－１Ｍ，ＰＲ＝ＭＡｍｉｄ＋１…Ａｌ＋１．Ｍ為路徑中的中間類型對象，當(dāng)路徑長度為偶數(shù)時ｍｉｄ＝ｌ２＋１，當(dāng)路徑長度為奇數(shù)時ｍｉｄ＝ｌ＋１２＋１．對于我們選擇的元路徑ｌｎｃＲＮＡ－疾病－ｌｎｃＲＮＡ－疾�。ǎ蹋模蹋模�，由于路徑長度是奇數(shù)，元路徑兩端的２個節(jié)點始終都不會在１個點相遇，因此我們需要插入中間類型Ｍ從而使路徑可以等分成路徑ＰＬ＝ＬＤＭ和ＰＲ＝ＭＬＤ，如圖３所示：Ｆｉｇ．３ＢｅｆｏｒｅａｎｄａｆｔｅｒｉｎｓｅｒｔｉｏｎｏｆｔｈｅｉｎｔｅｒｍｅｄｉａｔｅｔｙｐｅＭ圖３插入中間類型Ｍ前后下面介紹如何利用矩陣乘法計算ｌｎｃＲＮＡ和疾病之間的關(guān)聯(lián)得分．首先，我們定義２類矩陣：轉(zhuǎn)移概率矩陣和可達概率矩陣．定義２．轉(zhuǎn)移概率矩陣．定義有向元路徑Ａ→?ＲＢ，對象Ａ和對象Ｂ之間的連接關(guān)系為Ｒ（Ａ和Ｂ表示同一類型對象構(gòu)成的集合），Ａ和Ｂ之間的關(guān)系可以用０?１鄰接矩陣ＷＡＢ表示，元素１表示２節(jié)點連通，元素０表示２節(jié)點不連通．將０?１鄰接矩陣ＷＡＢ分別按照行向量和列向量進行標(biāo)準(zhǔn)化操作，得到矩陣ＸＡＢ和ＹＡＢ．ＸＡＢ和ＹＡＢ就是轉(zhuǎn)移概率矩陣，分別表示Ａ→?ＲＢ和ＢＲ→?－１Ａ這２種有向關(guān)系．根據(jù)矩陣的性質(zhì)，可以得到：ＸＡＢ＝ＹＴＢＡ，ＹＡＢ＝ＸＴＢＡ．定義３．可達概率矩陣．轉(zhuǎn)移概率矩陣是可達概率矩陣的特例

公式為ＦＰＲ＝ＦＰＦＰ＋ＴＮ，（４）ＴＰＲ＝ＴＰＴＰ＋ＦＮ．（５）ＴＰＲ表示的是移除的關(guān)聯(lián)邊排名在ｋ％以內(nèi)的比率；ＦＰＲ表示的是不存在的關(guān)聯(lián)邊排名在ｋ％以內(nèi)的比率．當(dāng)閾值ｋ在１～１００之間變化時可以得到相應(yīng)的ＴＰＲ和ＦＰＲ．通過這種方式，可以繪制ＲＯＣ曲線，從而計算ＡＵＣ．按照以上步驟，我們在ｌｎｃＲＮＡ－疾病異質(zhì)信息網(wǎng)絡(luò)上進行了留一交叉驗證，并取得了０．６８２８的ＡＵＣ．相應(yīng)的ＲＯＣ曲線如圖４所示：Ｆｉｇ．４Ｌｅａｖｅ－ｏｎｅ－ｏｕｔｃｒｏｓｓｖａｌｉｄａｔｉｏｎＲＯＣｃｕｒｖｅ圖４留一交叉驗證ＲＯＣ曲線圖為了提高方法的性能，我們將編碼基因和疾病關(guān)聯(lián)關(guān)系整合到ｌｎｃＲＮＡ－疾病網(wǎng)絡(luò)中得到基因－疾病異質(zhì)信息網(wǎng)絡(luò)．我們在基因－疾病異質(zhì)信息網(wǎng)絡(luò)上進行了留一交叉驗證，負樣本的構(gòu)造方法與之前類似，得到的ＡＵＣ值為０．７８３５，如圖４所示．很明顯，馬毅等：基于ＨｅｔｅＳｉｍ的疾病關(guān)聯(lián)長非編碼ＲＮＡ預(yù)測３９８１

【參考文獻】：
期刊論文
[1]動態(tài)蛋白質(zhì)網(wǎng)絡(luò)的構(gòu)建、分析及應(yīng)用研究進展[J]. 李敏,孟祥茂.  計算機研究與發(fā)展. 2017(06)



本文編號：3135991