申请/专利权人：哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

申请日：2023-10-11

公开（公告）日：2024-06-25

公开（公告）号：CN117393143B

主分类号：G16H50/20

分类号：G16H50/20;G16H50/70;G16B20/00;G16B40/00

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.01.30#实质审查的生效;2024.01.12#公开

摘要：本发明公开了一种基于图表示学习的环状RNA‑疾病关联预测方法、移动设备及存储介质，该方法包括：基于环状RNA及相关信息构建环状RNA的异构网络，所述异构网络包括环状RNA节点和疾病节点；将异构网络中各个节点的特征随机初始化后输入图表示学习模型，通过所述图表示学习模型按预设流程学习各个节点的表示向量；基于环状RNA节点的表示向量和疾病节点的表示向量的内积确定为对应环状RNA与疾病的关联预测得分。如此，通过图表示学习模型学习异构网络中各个节点的表示向量，再基于环状RNA节点和疾病节点的表示向量的内积确定关联预测得分，提高了异构网络构建的灵活性，使得图表示学习模型能获得更丰富的节点表示，提高了环状RNA‑疾病预测的准确性。

主权项：1.一种基于图表示学习的环状RNA-疾病关联预测方法，其特征在于，所述方法包括：基于环状RNA及相关信息构建环状RNA的异构网络，所述异构网络包括环状RNA节点和疾病节点；将异构网络中各个节点的特征随机初始化后输入图表示学习模型，通过所述图表示学习模型按预设流程学习各个节点的表示向量；所述图表示学习模型包括异构相互注意力模块、异构信息传递模块和信息聚合模块；所述将异构网络中各个节点的特征随机初始化后输入图表示学习模型，通过所述图表示学习模型按预设流程学习各个节点的表示向量包括：通过所述异构相互注意力模块获得异构网络中每个目标节点的注意力分数；通过所述异构信息传递模块获得异构网络中每个目标节点的信息向量；通过所述信息聚合模块将目标节点的注意力分数与信息向量进行聚合，获得对应目标节点的表示向量；基于环状RNA节点的表示向量和疾病节点的表示向量的内积确定为对应环状RNA与疾病的关联预测得分；所述基于环状RNA及相关信息构建环状RNA的异构网络包括：从公开的数据集中获取构建环状RNA的异构网络所需的相关信息，所述相关信息包括RNA与疾病的关联关系、环状RNA的相关生物分子及相互作用关系、环状RNA序列和宿主基因；基于环状RNA序列计算环状RNA序列之间的序列相似度在对应的环状RNA节点之间添加第一边，基于疾病的疾病语义相似度在对应的疾病节点之间添加第二边，以获得异构网络。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 基于图表示学习的环状RNA-疾病关联预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD