技术特征：
1.一种生物关系网络信息建模方法，包括以下步骤：利用组学数据构建图结构的生物网络，该生物网络的节点反映组学数据类别，边连接反映节点之间的相关性，并且所述生物网络的节点包含有表达谱节点和无表达谱节点；基于所述生物网络计算相对关系矩阵，所述相对关系矩阵反映节点之间的相关性与正常样本的相对值；利用自编码器对所述相对关系矩阵进行降维，获得降维后的特征；根据特征表达的重要程度，对降维后的特征进行筛选，进而利用筛选出的特征进行诊断与预后分析。2.根据权利要求1所述的方法，其特征在于，根据以下步骤构建所述相对关系矩阵：计算所述生物网络中连接的节点a及节点b的相关性分数rs，以对节点a和节点b的生物联系进行表征，表示为：rs＝log2(m+2)其中，节点a与节点b通过共同的节点c
i
直接连接，m表示所述生物网络的中间节点c
i
的个数；将所述生物网络中边的相关性与其对应的具有表达谱的节点的表达值相乘，以将节点表达谱转换成一个边关系矩阵；计算所述边关系矩阵相对于正常组织的相对关系矩阵。3.根据权利要求2所述的方法，其特征在于，计算所述边关系矩阵相对于正常组织的相对关系矩阵包括：对边关系矩阵中正常样本取均值，得到正常样本的各相连的节点构成的边的关系均值向量；将边关系矩阵中的癌症样本分别减去向量中的对应相同的边的元素；对相同的重复的边特征取行均值，得到一个相对于正常组织的网络节点相对关系矩阵。4.根据权利要求2所述的方法，其特征在于，所述生物网络包括无表达谱节点与有表达谱节点相连、有表达谱节点与有表达谱节点相连、无表达谱节点与无表达谱节点相连，其中：对于无表达谱节点与无表达谱节点相连的情况，计算节点间相关性时考虑将其作为中间节点，并且在计算关系矩阵时忽略；对于有表达谱节点与有表达谱节点相连的情况，使得同一条边相关性元素分别与两个节点的表达谱相乘，计算关系矩阵中相同边取均值。5.根据权利要求2所述的方法，其特征在于，所述组学数据类别包括mrna、蛋白质或代谢物，所述节点之间的相关性包括生物相关性、表达相关性或结构相似性。6.根据权利要求2所述的方法，其特征在于，所述自编码器包括输入层、三层隐藏层和输出层，所述三层隐藏层的节点数分别为512、256和516。7.根据权利要求2所述的方法，其特征在于，所述组学数据通过以下步骤进行预处理：根据需要分析的问题，选择组学数据；判断组学数据是否具有表达谱，如是，则进行归一化处理，将生物组学的类别作为网络节点，并获取各节点的表达谱信息。
8.一种生物关系网络信息建模系统，包括：生物网络构建模块：用于利用组学数据构建图结构的生物网络，该生物网络的节点反映组学数据类别，边连接反映节点之间的相关性，并且所述生物网络的节点包含有表达谱节点和无表达谱节点；关系矩阵表征模块：用于基于所述生物网络计算相对关系矩阵，所述相对关系矩阵反映与正常样本的相对值；特征降维模块：用于利用自编码器对所述相对关系矩阵进行降维，获得降维后的特征；诊断与预后分析模块：用于根据特征表达的重要程度，对降维后的特征进行筛选，进而利用筛选出的特征进行诊断与预后分析。9.一种计算机可读存储介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现根据权利要求1至7中任一项所述方法的步骤。
技术总结
本发明公开了一种生物关系网络信息建模方法与系统。该方法包括：利用组学数据构建图结构的生物网络，该生物网络的节点反映组学数据类别，边连接反映节点之间的相关性，并且所述生物网络的节点包含有表达谱节点和无表达谱节点；基于所述生物网络计算相对关系矩阵，所述相对关系矩阵反映与正常样本的相对值；利用自编码器对所述相对关系矩阵进行降维，获得降维后的特征；根据特征表达的重要程度，对降维后的特征进行筛选，进而利用筛选出的特征进行诊断与预后分析。本发明能有效提升生物组学数据分析准确性和应用范围。数据分析准确性和应用范围。数据分析准确性和应用范围。
技术研发人员：赖清佩 秦文健 谢耀钦
受保护的技术使用者：中国科学院深圳先进技术研究院
技术研发日：2022.07.29
技术公布日：2022/11/29