本發(fā)明涉及生物信息學(xué)，特別是涉及基于非負(fù)矩陣分解和zinb圖自動(dòng)編碼器的代謝物-疾病關(guān)聯(lián)預(yù)測(cè)方法及系統(tǒng)。

背景技術(shù)：

1、疾病的產(chǎn)生和發(fā)展通常與體內(nèi)代謝物的異常含量有關(guān)。這些代謝物包括各種小分子化合物，如氨基酸、糖類、脂質(zhì)等，它們?cè)谏矬w內(nèi)的代謝途徑中扮演著關(guān)鍵角色。傳統(tǒng)的生物實(shí)驗(yàn)方法需要大量的人力進(jìn)行重復(fù)試驗(yàn)來研究代謝物與疾病之間的關(guān)系，這種方法不僅耗時(shí)耗力，而且效率低下。因此，開發(fā)高效的計(jì)算方法來預(yù)測(cè)代謝物與疾病之間的關(guān)聯(lián)成為了研究的熱點(diǎn)。

2、目前最新的解決方法是采用一種基于深度學(xué)習(xí)的方法，稱為mda-aenmf(predicting?metabolite–disease?associations?based?on?auto-encoder?and?non-negative?matrix?factorization，基于自動(dòng)編碼器和非負(fù)矩陣分解的代謝物-疾病關(guān)聯(lián)預(yù)測(cè)模型)。該方法結(jié)合了自動(dòng)編碼器(autoencoder)、圖自動(dòng)編碼器(gae)和非負(fù)矩陣分解(nmf)三種技術(shù)來提取代謝物和疾病的特征。自動(dòng)編碼器用于學(xué)習(xí)數(shù)據(jù)的低維表示，圖自動(dòng)編碼器利用圖結(jié)構(gòu)信息來進(jìn)一步提取特征，而非負(fù)矩陣分解則幫助保持?jǐn)?shù)據(jù)中的非負(fù)約束。最終，使用多層感知機(jī)(mlp)分類器來進(jìn)行代謝物與疾病關(guān)聯(lián)的預(yù)測(cè)。

3、盡管現(xiàn)有的自動(dòng)編碼器方法能夠在一定程度上提取代謝物和疾病的特征，但它們通常只關(guān)注于對(duì)輸入信息的直接重構(gòu)，而忽略了輸入特征本身的特點(diǎn)。例如，輸入到編碼器的特征中可能存在大量零值并且呈離散分布，以及這些特征的方差可能小于均值等特性。這些特點(diǎn)對(duì)于最終提取的特征具有重要影響，但是在目前的自動(dòng)編碼器框架中往往沒有得到足夠的關(guān)注。這種忽視可能導(dǎo)致模型無法充分捕捉到數(shù)據(jù)的真實(shí)結(jié)構(gòu)和模式，從而影響預(yù)測(cè)的準(zhǔn)確性和可靠性。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明提供了一種代謝物-疾病關(guān)聯(lián)預(yù)測(cè)方法及系統(tǒng)，基于非負(fù)矩陣分解和zinb圖自動(dòng)編碼器進(jìn)行代謝物-疾病關(guān)聯(lián)預(yù)測(cè)，以充分捕捉到數(shù)據(jù)的真實(shí)結(jié)構(gòu)和模式，提高預(yù)測(cè)的準(zhǔn)確性和可靠性。

2、為此，本發(fā)明提供了以下技術(shù)方案：

3、本發(fā)明提供了一種基于非負(fù)矩陣分解和zinb圖自動(dòng)編碼器的代謝物-疾病關(guān)聯(lián)預(yù)測(cè)方法，包括：

4、獲取疾病綜合相似性和代謝物綜合相似性；

5、構(gòu)建基于非負(fù)矩陣分解和零膨脹負(fù)二項(xiàng)分布zinb圖自動(dòng)編碼器的代謝物-疾病關(guān)聯(lián)預(yù)測(cè)模型；所述模型包括：非負(fù)矩陣分解nmf模塊、基于zinb的圖自動(dòng)編碼器和雙線性解碼器；所述非負(fù)矩陣分解nmf模塊用于將代謝物-疾病關(guān)聯(lián)矩陣分解為兩個(gè)低秩的矩陣，得到疾病和代謝物低維特征；所述基于zinb的圖自動(dòng)編碼器包括：圖卷積神經(jīng)網(wǎng)絡(luò)gcn構(gòu)成的編碼器與zinb解碼器，gcn對(duì)代謝物綜合相似性矩陣、疾病綜合相似性矩陣和代謝物-疾病關(guān)聯(lián)矩陣進(jìn)行編碼，經(jīng)過gcn編碼的特征輸入到zinb解碼器中重建出網(wǎng)絡(luò)輸出參數(shù)，并根據(jù)所述網(wǎng)絡(luò)輸出參數(shù)進(jìn)行不斷迭代優(yōu)化，優(yōu)化完成后，將gcn最終的輸出作為疾病和代謝物包含圖結(jié)構(gòu)和數(shù)據(jù)特點(diǎn)的特征；所述雙線性解碼器基于所述疾病和代謝物低維特征、所述疾病和代謝物包含圖結(jié)構(gòu)和數(shù)據(jù)特點(diǎn)的特征進(jìn)行預(yù)測(cè)；

6、將代謝物-疾病關(guān)聯(lián)矩陣、疾病綜合相似性和代謝物綜合相似性輸入所述代謝物-疾病關(guān)聯(lián)預(yù)測(cè)模型，得到代謝物和疾病有關(guān)聯(lián)或無關(guān)聯(lián)的預(yù)測(cè)結(jié)果。

7、進(jìn)一步地，所述疾病綜合相似性由疾病語義相似性、疾病高斯核相似性和基于信息熵的疾病相似性整合而成；

8、所述代謝物綜合相似性由代謝物結(jié)構(gòu)相似性、代謝物高斯核相似性和基于信息熵的代謝物相似性整合而成。

9、進(jìn)一步地，計(jì)算疾病語義相似性，包括：利用醫(yī)學(xué)主題詞構(gòu)建出有向無環(huán)圖作為疾病的描述符，從中計(jì)算出疾病的語義相似性；

10、計(jì)算疾病高斯核相似性，包括：將疾病相關(guān)向量輸入至高斯核函數(shù)，得到疾病高斯核相似性；

11、計(jì)算基于信息熵的疾病相似性，包括：利用信息熵與代謝物和疾病之間的共同信息，得到基于信息熵的疾病相似性；

12、計(jì)算代謝物結(jié)構(gòu)相似性，包括：獲取描述每種代謝物化學(xué)性質(zhì)的向量，再根據(jù)所述向量計(jì)算得到代謝物的結(jié)構(gòu)相似性；

13、計(jì)算代謝物高斯核相似性，包括：將代謝物相關(guān)向量輸入至高斯核函數(shù)，得到代謝物高斯核相似性；

14、計(jì)算基于信息熵的代謝物相似性，包括：利用信息熵與代謝物和疾病之間的共同信息，得到基于信息熵的代謝物相似性。

15、進(jìn)一步地，所述疾病綜合相似性由疾病語義相似性、疾病高斯核相似性和基于信息熵的疾病相似性整合而成，包括：

16、將疾病語義相似性、疾病高斯核相似性和基于信息熵的疾病相似性進(jìn)行歸一化；

17、采用k最近鄰算法分別計(jì)算三種疾病相似性矩陣中疾病之間的局部親和力，保留前預(yù)設(shè)百分比的局部親和力，其余的置為0；

18、不斷迭代更新三種疾病相似性直至達(dá)到終止條件，在迭代完成后將三種疾病相似性相加取平均，并把相加取平均后的矩陣與其轉(zhuǎn)置相加再取平均后作為疾病的綜合相似性；

19、所述代謝物綜合相似性由代謝物結(jié)構(gòu)相似性、代謝物高斯核相似性和基于信息熵的代謝物相似性整合而成，包括：

20、將代謝物結(jié)構(gòu)相似性、代謝物高斯核相似性和基于信息熵的代謝物相似性進(jìn)行歸一化；

21、采用k最近鄰算法分別計(jì)算三種代謝物相似性矩陣中代謝物之間的局部親和力，保留前預(yù)設(shè)百分比的局部親和力，其余的置為0；

22、不斷迭代更新三種代謝物相似性直至達(dá)到終止條件，在迭代完成后將三種代謝物相似性相加取平均，并把相加取平均后的矩陣與其轉(zhuǎn)置相加再取平均后作為代謝物的綜合相似性。

23、進(jìn)一步地，還包括：測(cè)試所述模型。

24、進(jìn)一步地，測(cè)試所述模型，包括：

25、構(gòu)建去除非負(fù)矩陣分解模塊、替換非負(fù)矩陣分解、去除zinb解碼器和將zinb解碼器替換為常規(guī)圖自動(dòng)編碼器的模型變體，測(cè)試不同模塊對(duì)模型整體結(jié)果的重要性。

26、進(jìn)一步地，在預(yù)測(cè)之前，還包括：采用1:1的抽樣方法，隨機(jī)抽取與正樣本數(shù)量相同的負(fù)樣本。

27、本發(fā)明還提供了一種基于非負(fù)矩陣分解和zinb圖自動(dòng)編碼器的代謝物-疾病關(guān)聯(lián)預(yù)測(cè)系統(tǒng)，包括：

28、相似性獲取模塊，用于獲取疾病綜合相似性和代謝物綜合相似性；

29、模型構(gòu)建模塊，用于構(gòu)建基于非負(fù)矩陣分解和零膨脹負(fù)二項(xiàng)分布zinb圖自動(dòng)編碼器的代謝物-疾病關(guān)聯(lián)預(yù)測(cè)模型；所述模型包括：非負(fù)矩陣分解nmf模塊、基于zinb的圖自動(dòng)編碼器和雙線性解碼器；所述非負(fù)矩陣分解nmf模塊用于將代謝物-疾病關(guān)聯(lián)矩陣分解為兩個(gè)低秩的矩陣，得到疾病和代謝物低維特征；所述基于zinb的圖自動(dòng)編碼器包括：圖卷積神經(jīng)網(wǎng)絡(luò)gcn構(gòu)成的編碼器與zinb解碼器，gcn對(duì)代謝物綜合相似性矩陣、疾病綜合相似性矩陣和代謝物-疾病關(guān)聯(lián)矩陣進(jìn)行編碼，經(jīng)過gcn編碼的特征輸入到zinb解碼器中重建出網(wǎng)絡(luò)輸出參數(shù)，并根據(jù)所述網(wǎng)絡(luò)輸出參數(shù)進(jìn)行不斷迭代優(yōu)化，優(yōu)化完成后，將gcn最終的輸出作為疾病和代謝物包含圖結(jié)構(gòu)和數(shù)據(jù)特點(diǎn)的特征；所述雙線性解碼器基于所述疾病和代謝物低維特征、所述疾病和代謝物包含圖結(jié)構(gòu)和數(shù)據(jù)特點(diǎn)的特征進(jìn)行預(yù)測(cè)；

30、預(yù)測(cè)模塊，用于將代謝物-疾病關(guān)聯(lián)矩陣、疾病綜合相似性和代謝物綜合相似性輸入所述代謝物-疾病關(guān)聯(lián)預(yù)測(cè)模型，得到代謝物和疾病有關(guān)聯(lián)或無關(guān)聯(lián)的預(yù)測(cè)結(jié)果。

31、本發(fā)明的優(yōu)點(diǎn)和積極效果：

32、本發(fā)明中，首先，通過整合代謝物和疾病的多種相似性，分別構(gòu)建了代謝物綜合相似性和疾病綜合相似性網(wǎng)絡(luò)，為后續(xù)的特征提取打下了堅(jiān)實(shí)的基礎(chǔ)。其次，非負(fù)矩陣分解和基于zinb(零膨脹負(fù)二項(xiàng)分布)的圖自動(dòng)編碼器被用于特征提取，這使得模型能夠有效處理特征的離散分布、大量零值以及方差小于均值的情況。此外，將提取到的代謝物和疾病特征拼接后輸入到雙線性解碼器中，進(jìn)一步提高了模型在學(xué)習(xí)特征交互方面的性能，從而提升了代謝物-疾病關(guān)聯(lián)預(yù)測(cè)的精準(zhǔn)度。與常見的深度學(xué)習(xí)方法相比，本發(fā)明的zinb解碼器的引入，充分考慮了數(shù)據(jù)特性，為提高預(yù)測(cè)精準(zhǔn)度提供了有力支持。

33、綜上所述，本發(fā)明在提高代謝物-疾病關(guān)聯(lián)預(yù)測(cè)精準(zhǔn)度方面具有顯著優(yōu)勢(shì)，對(duì)于實(shí)際疾病的發(fā)現(xiàn)、判斷疾病發(fā)展階段以及后續(xù)治療具有重要價(jià)值，有望推動(dòng)相關(guān)領(lǐng)域的研究和應(yīng)用發(fā)展。