一种基于图注意力网络的RNA-疾病相关性预测方法

本发明属于生物信息学领域，涉及一种基于图注意力网络的rna-疾病相关性预测方法，其中包括带权邻接矩阵的转换方法。

背景技术：

1、piwi蛋白代表着ago蛋白家族中的一个分支，首次在果蝇中发现，起着调节生殖干细胞维持的作用，与piwi蛋白相作用的rna称为pirna。piwi蛋白和pirna通常在人类生殖系统中被检测到，研究发现，pirna在各种癌症中异常表达，这表明了pirna的异常表达可能导致人类疾病。传统的生物学实验技术对于识别潜在的pirna与人类疾病之间的相关性通常是可靠的，如核糖体实验技术，转录组测序技术等。随着一些pirna-疾病关联数据库的出现，如pirnabank、pirbase和pirnaquest，这些已知的关联数据库为深度学习预测提供了坚实的基础，从而一定程度上解决传统生物实验方法耗时、昂贵和劳动密集型的问题。目前大多数计算预测方法仅仅考虑到了pirna的属性特征，但是在数据库中，一种pirna却可能与多种疾病相关联，忽略了疾病与疾病之间的联系，因此有必要设计一种能够使它们相关联的属性特征。随着非编码rna和疾病之间的关系组合越来越复杂，预测疾病的关联性，可以对许多生物学机制有更深入的见解。

2、 pirnas数据库已经被建立，许多计算方法已经被提出，神经网络和支持向量机等相关方法已经被成功的应用于预测rna-疾病的相关性，但大多数神经网络方法都具有以下缺点：只是简单的特征映射，没有建立起数据之间的联系。

3、本发明最重要的创新点是提出了一种新的图数据结构，将整个网络图结构进行拆分， 细分形成不同的子网络，实现带权重的邻接矩阵与图注意力网络相结合。本发明设计的带权邻接矩阵，不仅使用了属性特征，而且还通过邻接矩阵反映了它们之间的联系。

技术实现思路

1、一种基于图注意力网络的rna-疾病相关性预测方法，包括预处理节点序列、训练图注意力网络和测试图注意力网络三个过程，其具体步骤如下：

2、步骤1、为了从rna-疾病序列中提取更多的结合信息，需要使用 p个 ( p表示节点数量， p的大小由rna-疾病序列的个数确定) 不同节点，每个节点中包含2个信息，一个是疾病，一个是rna；

3、步骤2、构建这些节点直接的邻接矩阵，当任意2个节点中包含相同的rna，则建立联系，并且邻接矩阵中的值为该rna频数的倒数，rna频数通过统计含有该rna的节点得到；

4、步骤3、把步骤2中生成的 p个节点作为图注意力网络的输入，将k-mer计数得到的rna数据，分成5份做5折交叉验证，所谓k-mer，即为一段长度为 k的基因片段，是由测序reads剪切一部分得到的， k是一个奇数；

5、步骤4、保存训练好的图注意力网络模型，使用测试集来评估模型。

6、一种基于图注意力网络的rna-疾病相关性预测方法，步骤1的实现过程如下：

7、确定处理rna-疾病序列的个数 p， p的大小等于数据集中数据的个数，每一个序列相当于一个节点，确定了节点的个数，就建立一个 p*p方阵。

8、一种基于图注意力网络的rna-疾病相关性预测方法，步骤2的实现过程如下：

9、使用步骤1中产生的 p*p的方阵 a；设置 i是方阵的行号， j是方阵的列号， f为第 i行第 j列位置上的权重，此权重由基因的数量统计得到。节点与自己本身的权重设为1，也就是对角线上的元素都设为1，其它无关联的部分设为0。

10、一种基于图注意力网络的rna-疾病相关性预测方法，步骤3的实现过程如下：

11、将标签独热编码，再把步骤2中的带权重的邻接矩阵和rna提取的信息输入到图注意力网络中，进行五折交叉验证。图注意力网络为2层，第一层使用relu激活函数，图数据节点数609，数据样本数为2424，输出为64个节点，第二层为输出层，使用softmax激活函数，输出为2个节点。

12、一种基于图注意力网络的rna-疾病关联性预测方法，步骤4的实现过程如下：保存步骤3 中训练好的图注意力网络模型，用于预测输入的rna序列数据。

技术特征：

1.一种基于图注意力网络的rna-疾病相关性预测方法，包括预处理rna-疾病序列、训练图注意力网络和测试图注意力网络三个过程，其具体步骤如下：

2.根据权利要求1所述的一种基于图注意力网络的rna-疾病相关性预测方法，步骤1的实现过程如下：

3.根据权利要求1所述的一种基于图注意力网络的rna-疾病相关性预测方法，步骤2的实现过程如下：

4.根据权利要求1所述的一种基于图注意力网络的rna-疾病相关性预测方法，步骤3的实现过程如下：

5.根据权利要求1所述的一种基于图注意力网络的rna-疾病相关性预测方法，步骤4的实现过程如下：

技术总结
本发明属于生物信息学领域，涉及一种基于图注意力网络的RNA‑疾病相关性预测方法，旨在提高图注意力网络对RNA‑疾病相关性的预测性能。首先，使用图注意力网络的图络结构作为训练网络，基于PiRNA数据集构建图数据结构；其次，改变图的结构，把无向图的邻接矩阵转换成带权重的邻接矩阵，其中邻接矩阵的权重是基因出现的次数，同时允许邻接矩阵的主对角线有值；最后，将所有特征进行稀疏矩阵化后，输入到图注意力网络中，进行二分类，取概率最大的作为预测结果。piRNA在大多数癌症细胞中异常表达，这种基于图注意力网络的RNA‑疾病相关性预测方法能够提高预测的准确率，对于预防和治疗疾病具有重要意义。

技术研发人员：赵长波,周树森,柳婵娟,臧睦君,刘通,王庆军
受保护的技术使用者：鲁东大学
技术研发日：
技术公布日：2024/1/16