技術(shù)特征：

1.一種基于非負(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)測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種基于非負(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)測方法，其特征在于，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；

3.根據(jù)權(quán)利要求2所述的一種基于非負(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)測方法，其特征在于，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；

4.根據(jù)權(quán)利要求2或3所述的一種基于非負(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)測方法，其特征在于，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：

5.根據(jù)權(quán)利要求1所述的一種基于非負(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)測方法，其特征在于，還包括：測試所述模型。

6.根據(jù)權(quán)利要求5所述的一種基于非負(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)測方法，其特征在于，測試所述模型，包括：

7.根據(jù)權(quán)利要求1所述的一種基于非負(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)測方法，其特征在于，在預(yù)測之前，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。

8.一種基于非負(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)測系統(tǒng)，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明提供了一種代謝物?疾病關(guān)聯(lián)預(yù)測方法及系統(tǒng)，涉及生物信息學(xué)技術(shù)領(lǐng)域，包括：構(gòu)建基于NMF和ZINB圖自動(dòng)編碼器的代謝物?疾病關(guān)聯(lián)預(yù)測模型；模型包括：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；基于ZINB的圖自動(dòng)編碼器包括：GCN編碼器與ZINB解碼器，GCN對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，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；雙線性解碼器基于疾病和代謝物低維特征和包含圖結(jié)構(gòu)和數(shù)據(jù)特點(diǎn)的特征進(jìn)行預(yù)測；利用模型，得到代謝物和疾病有關(guān)聯(lián)或無關(guān)聯(lián)的預(yù)測結(jié)果。本發(fā)明能夠提高預(yù)測的準(zhǔn)確性和可靠性。

技術(shù)研發(fā)人員：寧喬,劉延鵬
受保護(hù)的技術(shù)使用者：大連海事大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30