1.基于卷积去噪自编码机的piRNA‑疾病关联关系预测方法,其特征在于,包括以下步骤:
S1、获取已知的Piwi蛋白质相互作用RNA与疾病关联关系数据、Piwi蛋白质相互作用RNA的ID和序列信息,以及疾病语义信息;
S2、基于Piwi蛋白质相互作用RNA的核苷酸序列信息,利用基于重叠移动窗口的序列衍生特征提取方法计算每种Piwi蛋白质相互作用RNA序列特征,利用欧式相似性测量方法计算Piwi蛋白质相互作用RNA序列之间的相似性特征;
S3、利用有向无环图构建各种疾病之间的关系,定义两种不同的图中节点对目标疾病的语义贡献度,分别计算两种目标疾病的语义值,根据疾病之间有向无环图的共享部分计算两种疾病语义相似性特征;
S4、利用Piwi蛋白质相互作用RNA‑疾病关联关系对分别计算Piwi蛋白质相互作用RNA和疾病的高斯相互作用谱核相似特征;
S5、基于均值相似核融合方法分别融合Piwi蛋白质相互作用RNA与疾病的多种相似特征,构建卷积去噪自动编码神经网络架构,提取输入数据的更深层次的隐藏特征,同时将噪声数据添加到训练数据集中,得到无污染特征数据;
S6、以Piwi蛋白质相互作用RNA与疾病关联关系数据作为正样本,基于剩余所有未确定的Piwi蛋白质相互作用RNA与疾病关联对,随机抽取与正样本相同关联对作为负样本,将整个训练数据集进行五次随机划分,每次划分成五个部分,其中四部分作为训练数据集,剩余一部分作为测试数据集;
S7、基于极限学习机利用训练数据集构建分类模型,利用测试数据集对模型进行打分,重复进行五次实验,取五次实验的平均结果作为模型的性能评价指标。
2.根据权利要求1所述的基于卷积去噪自编码机的piRNA‑疾病关联关系预测方法,其特征在于,所述步骤S2中利用基于重叠移动窗口的序列衍生特征提取3‑mer方法,计算表观遗传标记的每种Piwi蛋白质相互作用RNA序列的核苷酸序列信息集合上所有3‑聚体出现次数占整个序列长度的统计概率,生成特征向量作为其序列特征,利用欧几里得距离测度方法计算Piwi蛋白质相互作用RNA之间的序列相似性特征。
3.根据权利要求1所述的基于卷积去噪自编码机的piRNA‑疾病关联关系预测方法,其特征在于,所述步骤S3中是基于MeSH数据库利用有向无环图构建各种疾病之间的关系,某种疾病D可以被表示为DAG(D)=(D,T(D),E(D)),其中T(D)为包含D及其祖先的节点集,E(D)为从父节点到子节点的边集,疾病D的第一种语义值可以表示为:其中,有向无环图中的疾病项目d对D的语义贡献通过以下公式定义:其中Δ是语义贡献衰减因子。
4.根据权利要求3所述的基于卷积去噪自编码机的piRNA‑疾病关联关系预测方法,其特征在于,如两种疾病di和dj的有向无环图相似,则可以将疾病di和dj视为相似的疾病,并定义第一种类型的疾病di和dj之间的语义相似度DS1(di,dj)为:以及第二种类型疾病语义相似度为:再将两种不同疾病di和dj的语义相似性特征由均值相似核融合方法表示为:
5.根据权利要求1所述的基于卷积去噪自编码机的piRNA‑疾病关联关系预测方法,其特征在于,所述步骤S4是基于具有相似特征的Piwi蛋白质相互作用RNA大概率与具有相似特征的疾病相关联的假设,该假设具体为:首先、基于已知的Piwi蛋白质相互作用RNA‑疾病关联关系对构建邻接矩阵A为:其中,当Piwi蛋白质相互作用RNApi与疾病dj存在关联关系时,Ai,j被设为1,否则,Ai,j被设为0,Piwi蛋白质相互作用RNApi的相互作用谱信息可以表示为列向量A(:,i),Piwi蛋白质相互作用RNApi与pj的高斯相互作用谱核相似性定义为:2
Pgip(i,j)=exp(‑σr|A(:,i)‑A(:,j)|)其中,参数σr用于控制内核带宽,被定义为:其中,n为邻接矩阵A的列向量个数;
然后、疾病di的相互作用谱信息表示为邻接矩阵A的行向量A(i,:),疾病di与dj的高斯相互作用谱核相似性定义为:
2
Dgip(i,j)=exp(‑σd|A(i,:)‑A(j,:)|)其中,n为邻接矩阵A的行向量个数。
6.根据权利要求1所述的基于卷积去噪自编码机的piRNA‑疾病关联关系预测方法,其特征在于,所述步骤S5中对于卷积去噪自动编码神经网络提取输入数据的更深层次的隐藏特征的过程具体为:
首先、执行编码过程,其中卷积层的输出定义为:其中x为输入特征向量,xnoise为添加噪声数据, 为卷积运算,W′1为权重参数,b′1为偏置向量,Sf为激活函数;
卷积层之后为池化层,池化层的输出定义为:h2=pool(h1)=Sf(down(x)+b′1)其中pool表示池操作,down表示下采样操作然后、执行解码过程,定义反卷积和上采样层的输出为:h′1=up(h′2)=Sg(up(x)+b′2)其中,h′2表示解码过程中反卷积输出,W′2与b′2分别表示权重向量和偏置向量,up表示上采样操作,h′1表示解码过程的池化输出,Sg表示解码过程中的激活函数,x′表示重构后的x;
最后,卷积去噪自动编码神经网络通过前向传播和后向传播最小化重构误差,提取深度隐藏特征。
7.根据权利要求1所述的基于卷积去噪自编码机的piRNA‑疾病关联关系预测方法,其特征在于,所述步骤S7中的极限学习机为单隐层前馈神经网络,该极限学习机第一阶段的训练过程为特征映射并定义其输出为:其中,x表示输入特征向量,h(x)表示隐含层输出向量,β表示输出权值;
极限学习机的第二阶段是输出权值求解,使输出权值的Frobenius范数和训练误差最小化,目标函数为:
其中,ω表示正则化参数,n表示样本数,ξi表示第i个样本训练误差, 表示Frobenius范数。