本發(fā)明屬于系統(tǒng)生物學(xué)領(lǐng)域，涉及一種基于雙向隨機(jī)游走和多標(biāo)簽學(xué)習(xí)的miRNA-環(huán)境因子關(guān)系預(yù)測(cè)方法。

背景技術(shù)：

眾所周知，疾病和遺傳因子和環(huán)境因子有著密切關(guān)系。一些疾病的產(chǎn)生可視為遺傳因子和環(huán)境因子之間的擾動(dòng)造成的。因此，識(shí)別遺傳因子和環(huán)境因子之間關(guān)系有助于我們解析疾病復(fù)雜的機(jī)制，且進(jìn)一步有助于疾病診斷，預(yù)防及其治療。

MicroRNA(miRNA)是一類新發(fā)現(xiàn)的、重要的遺傳因子。一般來說，miRNA可以通過和信使RNA的3’端非編碼區(qū)域的完全配對(duì)或者5’端非編碼區(qū)域的不完全配對(duì)，抑制信使RNA的表達(dá)，從而達(dá)到調(diào)控基因表達(dá)的目的。miRNA產(chǎn)生過程包括以下幾個(gè)過程：1)通過核糖核酸聚合酶II(RNA polymerase II)對(duì)基因的內(nèi)含子特定位點(diǎn)的剪切，形成初始miRNA(primary miRNA)。這種初始miRNA的長(zhǎng)度一般為100-1000nt核苷酸。并且在5’端末尾有一個(gè)cap結(jié)構(gòu)，在3’端末尾包含ploy(A)特征。2)初始miRNA經(jīng)過RNase III酶Drosha的剪切形成前體miRNA(precursor miRNA)。前體miRNA的長(zhǎng)度一般為70nt核苷酸長(zhǎng)度，有發(fā)夾結(jié)構(gòu)，且在3’端末尾有2個(gè)突出的核苷酸。3)前體miRNA經(jīng)過RNase III酶Dicer剪切最終形成成熟體miRNA。成熟體miRNA的長(zhǎng)度一般為19-22nt，且具有高度保守型。許多研究表明：miRNA在人類的很多重要的生命過程中起著舉足輕重的作用，包括細(xì)胞的生長(zhǎng)、發(fā)育、增殖、分化、凋亡等。

近年來，研究發(fā)現(xiàn)：許多環(huán)境因子(EF)和miRNA的表達(dá)有著密切關(guān)系,環(huán)境因子能夠調(diào)控miRNA的表達(dá)。例如，在HepG2細(xì)胞系中，鞣花單寧(日本蛇菰屬植物提煉出來的多酚化合物)能夠調(diào)節(jié)25個(gè)miRNA表達(dá)。其中，17個(gè)miRNA為上調(diào)，8個(gè)miRNA為下調(diào)。這些環(huán)境因子和miRNA關(guān)系的擾動(dòng)經(jīng)常和疾病的產(chǎn)生有著密切關(guān)系。在前列腺癌細(xì)胞中，研究人員發(fā)現(xiàn)染料木黃酮能夠促進(jìn)miR-34a的表達(dá)，進(jìn)而影響基因HOTAIR的表達(dá)。而該基因和癌細(xì)胞的增殖有著密切關(guān)系。因此，研究環(huán)境因子和miRNA之間的關(guān)系能夠有助于人類了解疾病產(chǎn)生機(jī)理，進(jìn)而幫助人類設(shè)計(jì)有效的疾病治療方案。

隨著高通量技術(shù)不斷發(fā)展，產(chǎn)生了大量的miRNA相關(guān)數(shù)據(jù)。一些miRNA相關(guān)的數(shù)據(jù)庫也建立來存儲(chǔ)這些miRNA數(shù)據(jù)。miRbase數(shù)據(jù)庫是目前最權(quán)威的miRNA序列數(shù)據(jù)庫，該數(shù)據(jù)主要存儲(chǔ)miRNA的序列、前體結(jié)構(gòu)及其miRNA對(duì)應(yīng)的靶基因數(shù)據(jù)。為了保證數(shù)據(jù)的準(zhǔn)確性，該數(shù)據(jù)庫只收集已經(jīng)被驗(yàn)證過的miRNA相關(guān)的數(shù)據(jù)。miRecord數(shù)據(jù)庫為動(dòng)物的miRNA靶基因數(shù)據(jù)庫，包括生物實(shí)驗(yàn)驗(yàn)證的靶基因和計(jì)算方法預(yù)測(cè)的靶基因。DbDEMC是一個(gè)專門存儲(chǔ)人類癌癥差異表達(dá)的miRNA數(shù)據(jù)，該數(shù)據(jù)收錄14種癌癥中607個(gè)差異表達(dá)的miRNA。miREnvironment數(shù)據(jù)是專門收錄miRNA和環(huán)境因子之間的關(guān)系的數(shù)據(jù)庫。該數(shù)據(jù)庫手動(dòng)收集了24個(gè)物種，1242個(gè)miRNA，394個(gè)環(huán)境因子，3857條關(guān)系。

目前，在生物學(xué)中，傳統(tǒng)的預(yù)測(cè)miRNA和環(huán)境因子之間的關(guān)系的實(shí)驗(yàn)方法主要包括PCR和微陣列方法。生物學(xué)家在特定組織細(xì)胞中，加入特定環(huán)境因子，進(jìn)而觀測(cè)miRNA表達(dá)的差異。根據(jù)這些方法能夠準(zhǔn)確有效的發(fā)現(xiàn)miRNA和環(huán)境因子之間關(guān)系。但是，這些方法非常費(fèi)時(shí)且成本很高，尤其是在大量的生物數(shù)據(jù)面前，更顯得捉襟見肘。大規(guī)模預(yù)測(cè)miRNA和環(huán)境因子之間的關(guān)系的計(jì)算方法應(yīng)運(yùn)而生，利用計(jì)算方法能夠有效降低經(jīng)濟(jì)花費(fèi)，提高實(shí)驗(yàn)效率。利用計(jì)算方法來預(yù)測(cè)miRNA和環(huán)境因子之間的關(guān)系可以簡(jiǎn)單分為以下幾類：

1)基于機(jī)器學(xué)習(xí)的方法

由于miRNA和環(huán)境因子的數(shù)據(jù)種類越來越多，基于機(jī)器學(xué)習(xí)模型可以利用這些數(shù)據(jù)，研究miRNA-EF關(guān)聯(lián)預(yù)測(cè)方法?；谧钚《朔?，Chen等提出一種新的miRNA和環(huán)境因子之間的關(guān)系預(yù)測(cè)方法。在該方法中，采用兩個(gè)分類器分別對(duì)miRNA和環(huán)境因子進(jìn)行最優(yōu)化。最終，通過線性加權(quán)方法得到每對(duì)miRNA和環(huán)境因子的打分值。

2)基于網(wǎng)絡(luò)的方法

網(wǎng)絡(luò)的方法都是基于相同的假設(shè)：相似的miRNA往往和相似的環(huán)境因子有關(guān)系。Chen等人基于隨機(jī)游走方法提出一種新的miRNA和環(huán)境因子之間的關(guān)系預(yù)測(cè)方法；該方法融合了miRNA功能相似性，miRNA拓?fù)湎嗨菩裕珽F結(jié)構(gòu)相似性以及EF拓?fù)湎嗨菩浴Ａ硗?，Li等提出一種基于網(wǎng)絡(luò)推斷方法來預(yù)測(cè)miRNA-環(huán)境因子的關(guān)聯(lián)關(guān)系，該方法利用已知的miRNA和環(huán)境因子之間的關(guān)系數(shù)據(jù)，構(gòu)建miRNA-環(huán)境因子二分圖。在構(gòu)建的二分圖上，采用網(wǎng)絡(luò)推斷方法來預(yù)測(cè)新的miRNA和環(huán)境因子之間的關(guān)系。該方法所基于的假設(shè)為：如果兩個(gè)miRNA共享多個(gè)環(huán)境因子，那么和其中一個(gè)miRNA有關(guān)系的環(huán)境因子也很有可能和另外一個(gè)miRNA有關(guān)系。

3)基于統(tǒng)計(jì)的方法

Qiu等人提出一種miRNA-環(huán)境因子關(guān)系預(yù)測(cè)方法。該方法融合miRNA組織差異表達(dá)數(shù)據(jù)和miRNA-疾病關(guān)系數(shù)據(jù)。采用富集分析方法來識(shí)別潛在的miRNA-環(huán)境因子之間關(guān)系。

上述各類方法從不同的角度來預(yù)測(cè)潛在的miRNA-環(huán)境因子關(guān)聯(lián)。雖然上述方法取得不少成就，但是也存在一些缺陷。首先，計(jì)算miRNA和環(huán)境因子的相似性上，有的方法采用網(wǎng)絡(luò)的拓?fù)涮卣鱽碛?jì)算miRNA和環(huán)境因子的相似性。忽略了miRNA和環(huán)境因子的生物屬性。其次，在融合不同miRNA和環(huán)境因子數(shù)據(jù)上，有的方法采用算術(shù)均值方法來融合不同的miRNA和環(huán)境因子相似性。這可能會(huì)引入其他的噪聲。另外，有的方法無法對(duì)一個(gè)新的miRNA和環(huán)境因子之間的關(guān)系進(jìn)行預(yù)測(cè)。因此，有必要設(shè)計(jì)一種新的預(yù)測(cè)miRNA-環(huán)境因子關(guān)系預(yù)測(cè)方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是，針對(duì)現(xiàn)有技術(shù)的不足，提供一種基于雙向隨機(jī)游走和多標(biāo)簽學(xué)習(xí)的miRNA-環(huán)境因子關(guān)系預(yù)測(cè)方法(MEI-BRWMLL)，該方法易于實(shí)施，預(yù)測(cè)準(zhǔn)確率高。

本發(fā)明為解決技術(shù)問題所采用的技術(shù)方案如下：

一種基于雙向隨機(jī)游走和多標(biāo)簽學(xué)習(xí)的miRNA-環(huán)境因子關(guān)系預(yù)測(cè)方法，包括以下步驟：

1)首先基于已知的miRNA-環(huán)境因子關(guān)系，構(gòu)建miRNA-環(huán)境因子矩陣ME；然后計(jì)算miRNA相似性和環(huán)境因子相似性，構(gòu)建miRNA相似性矩陣和環(huán)境因子相似性矩陣；

2)根據(jù)miRNA相似性矩陣和環(huán)境因子相似性矩陣分別構(gòu)建miRNA相似性網(wǎng)絡(luò)和環(huán)境因子相似性網(wǎng)絡(luò)；再基于miRNA相似性網(wǎng)絡(luò)、環(huán)境因子相似性網(wǎng)絡(luò)和miRNA-環(huán)境因子矩陣，構(gòu)建miRNA-環(huán)境因子關(guān)系網(wǎng)絡(luò)；

3)采用雙向隨機(jī)游走(Bi-random walk,BiRW)和多標(biāo)簽學(xué)習(xí)方法(Multi-label learning,MLL)來預(yù)測(cè)潛在的miRNA-環(huán)境因子關(guān)系：

a)對(duì)于miRNA和環(huán)境因子都是已知的情況，采用雙向隨機(jī)游走方法，分別在miRNA相似性網(wǎng)絡(luò)和環(huán)境因子相似網(wǎng)絡(luò)上進(jìn)行不同步數(shù)游走，得到miRNA-環(huán)境因子得分矩陣，分值越大表明對(duì)應(yīng)的miRNA和環(huán)境因子存在關(guān)系的可能性越大；

b)對(duì)于新的miRNA，基于miRNA的相似性網(wǎng)絡(luò)和環(huán)境因子的相似性網(wǎng)絡(luò)，采用多標(biāo)簽學(xué)習(xí)方法，得到新的miRNA與環(huán)境因子之間存在關(guān)系的概率值，概率值越大，兩者存在關(guān)系的可能性越大；

c)對(duì)于新的環(huán)境因子，基于miRNA的相似性網(wǎng)絡(luò)和環(huán)境因子的相似性網(wǎng)絡(luò)，采用多標(biāo)簽學(xué)習(xí)方法，得到新的環(huán)境因子與miRNA之間存在關(guān)系的概率值，概率值越大，兩者存在關(guān)系的可能性越大。

所述步驟1)中，構(gòu)建miRNA-環(huán)境因子矩陣ME，miRNA-環(huán)境因子矩陣每一行對(duì)應(yīng)一個(gè)miRNA，每一列對(duì)應(yīng)一個(gè)環(huán)境因子；若已知miRNA m_i和環(huán)境因子e_j存在關(guān)系，則ME(i,j)等于1；否則，ME(i,j)等于0；其中i＝1,2,…,m；j＝1,2,…,e；m和e分別為已知的miRNA和環(huán)境因子個(gè)數(shù)。

所述步驟1)中，構(gòu)建miRNA相似性矩陣的方法為：

首先，基于miRNA序列信息和miRNA-環(huán)境因子矩陣ME，分別計(jì)算miRNA序列相似性和miRNA交互譜相似性；

然后，基于miRNA序列相似性和miRNA交互譜相似性，構(gòu)建兩個(gè)的miRNA相似性矩陣；

最后，采用相似性矩陣融合方法分別將不同的miRNA相似性矩陣融合為一個(gè)miRNA相似性矩陣。

所述步驟1)中，構(gòu)建環(huán)境因子相似性矩陣的方法為：

首先，基于環(huán)境因子的化學(xué)結(jié)構(gòu)、化學(xué)分類系統(tǒng)信息和miRNA-環(huán)境因子矩陣ME，分別計(jì)算環(huán)境因子化學(xué)結(jié)構(gòu)相似性、化學(xué)分類系統(tǒng)相似性和環(huán)境因子交互譜相似性；

然后，基于環(huán)境因子化學(xué)結(jié)構(gòu)相似性、化學(xué)分類系統(tǒng)相似性和環(huán)境因子交互譜相似性構(gòu)建三個(gè)環(huán)境因子相似性矩陣；

最后，采用相似性矩陣融合方法分別將不同的環(huán)境因子相似性矩陣融合為一個(gè)環(huán)境因子相似性矩陣。

所述步驟2)包括以下步驟：

首先，基于步驟1)中融合得到的miRNA相似性矩陣和環(huán)境因子相似性矩陣，分別構(gòu)建miRNA相似性網(wǎng)絡(luò)和環(huán)境因子相似性網(wǎng)絡(luò)；在miRNA相似網(wǎng)絡(luò)中，節(jié)點(diǎn)為miRNA，邊的權(quán)值為miRNA-miRNA相似性值；在環(huán)境因子相似性網(wǎng)絡(luò)中，節(jié)點(diǎn)為環(huán)境因子，邊的權(quán)值為環(huán)境因子-環(huán)境因子相似性值；

然后，根據(jù)已知的miRNA-環(huán)境因子關(guān)系，構(gòu)建miRNA-環(huán)境因子關(guān)聯(lián)二分圖；在miRNA-環(huán)境因子關(guān)聯(lián)二分圖中，節(jié)點(diǎn)分別為miRNA和環(huán)境因子，若miRNA m_i和環(huán)境因子e_j存在關(guān)系，則miRNA m_i和環(huán)境因子e_j之間存在一條邊，否則沒有邊；

最后，融合miRNA相似性網(wǎng)絡(luò)、環(huán)境因子相似性網(wǎng)絡(luò)和miRNA-環(huán)境因子關(guān)聯(lián)二分圖，構(gòu)成miRNA-環(huán)境因子關(guān)系網(wǎng)絡(luò)。

所述步驟a)具體為：

a1)對(duì)融合后的miRNA相似性矩陣和融合后的環(huán)境因子相似性矩陣進(jìn)行標(biāo)準(zhǔn)化，公式為：

RM＝DM^-1/2*FM*DM^-1/2

RE＝DE^-1/2*FE*DE^-1/2

其中，RM表示標(biāo)準(zhǔn)化的miRNA相似性矩陣，DM表示融合后的miRNA相似性矩陣的對(duì)角矩陣，DM對(duì)角線的值為對(duì)應(yīng)的FM中一行的值的和；

RE表示標(biāo)準(zhǔn)化的環(huán)境因子相似性矩陣，DE表示融合后的環(huán)境因子相似性矩陣的對(duì)角矩陣，DE對(duì)角線的值為對(duì)應(yīng)的FE中一行的值的和；

對(duì)miRNA-環(huán)境因子矩陣ME進(jìn)行標(biāo)準(zhǔn)化，公式為：

A(i,j)＝ME(i,j)/sum(ME)

其中，A(i,j)表示標(biāo)準(zhǔn)化的miRNA-環(huán)境因子矩陣A中第i行j列的元素；ME(i,j)代表miRNA-環(huán)境因子矩陣ME中第i行j列的元素，sum(ME)為ME中所有元素之和；

a2)進(jìn)行以下迭代：

在miRNA相似性網(wǎng)絡(luò)游走：

RD_L(t)＝a×RM×RD(t-1)+(1-a)A

其中，a為固定參數(shù)【a的取值通過交叉驗(yàn)證確定，本發(fā)明實(shí)施例中，a的取值通過交叉驗(yàn)證最終確定為0.8】，RD(t-1)為游走t-1步后預(yù)測(cè)的miRNA-環(huán)境因子得分矩陣，RD_L(t)為在miRNA相似性網(wǎng)絡(luò)上游走t步后預(yù)測(cè)的miRNA-環(huán)境因子得分矩陣；RD(0)＝A；

在環(huán)境因子相似性網(wǎng)絡(luò)游走：

RD_R(t)＝a×RD(t-1)×RE+(1-a)A

其中，RD_R(t)為在環(huán)境因子相似性網(wǎng)絡(luò)上游走t步后預(yù)測(cè)的miRNA-環(huán)境因子的得分矩陣；

最終輸出游走t步后預(yù)測(cè)的miRNA-環(huán)境因子得分矩陣RD(t)：

設(shè)定隨機(jī)游走在miRNA相似性網(wǎng)絡(luò)和環(huán)境因子相似性網(wǎng)絡(luò)中的最大迭代步數(shù)分別為l和r；【l和r的取值通過交叉驗(yàn)證確定，本發(fā)明實(shí)施例中，l和r的取值通過交叉驗(yàn)證最終確定分別為4和2】當(dāng)隨機(jī)游走在兩個(gè)網(wǎng)絡(luò)中的步數(shù)超過最大迭代參數(shù)l或r時(shí)，迭代過程終止；

a3)對(duì)于任意兩個(gè)已知的miRNA和環(huán)境因子，根據(jù)RD(t)的值判斷兩者存在關(guān)系的可能性。

所述步驟b)具體為：

b1)按如下方法計(jì)算新的miRNA m_c與已知的環(huán)境因子e_j存在關(guān)系的概率P(m_c,e_j)：

其中，和表示兩個(gè)先驗(yàn)概率；和表示兩個(gè)后驗(yàn)概率；

其中，e(i)表示miRNA m_c的K個(gè)最近鄰居中，本身和e_j有關(guān)系，且其對(duì)應(yīng)的K個(gè)最近鄰居中，有i個(gè)miRNA和環(huán)境因子e_j有關(guān)系的miRNA的個(gè)數(shù)；

e′(i)表示miRNA m_c的K個(gè)最近鄰居中，本身和e_j有關(guān)系，且其對(duì)應(yīng)的K個(gè)最近鄰居中，有i個(gè)miRNA和環(huán)境因子e_j沒有關(guān)系的miRNA的個(gè)數(shù)；

s的取值采用交叉驗(yàn)證得到；

b2)根據(jù)P(m_c,e_j)的值判斷新的miRNA m_c與已知的環(huán)境因子e_j存在關(guān)系的可能性。

所述步驟c)具體為：

c1)按如下方法計(jì)算新的環(huán)境因子e_c與已知的miRNA m_i存在關(guān)系的概率P(e_c,m_i)：

其中，和表示兩個(gè)先驗(yàn)概率；和表示兩個(gè)后驗(yàn)概率；

其中，m(j)表示環(huán)境因子e_c的K個(gè)最近鄰居中，本身和m_i有關(guān)系，且其對(duì)應(yīng)的K個(gè)最近鄰居中，有j個(gè)環(huán)境因子和miRNA m_i有關(guān)系的環(huán)境因子的個(gè)數(shù)；

m′(j)表示環(huán)境因子e_c的K個(gè)最近鄰居中，本身和m_j有關(guān)系，且其對(duì)應(yīng)的K個(gè)最近鄰居中，有j個(gè)環(huán)境因子和miRNA m_i沒有關(guān)系的環(huán)境因子的個(gè)數(shù)；

r的取值采用交叉驗(yàn)證得到；

c2)根據(jù)P(e_c,m_i)的值判斷新的環(huán)境因子e_c與已知的miRNA m_i存在關(guān)系的可能性。

所述s的取值為10，r的取值為5。

有益效果：

本發(fā)明通過集成雙向隨機(jī)游走和多標(biāo)簽學(xué)習(xí)算法，來預(yù)測(cè)環(huán)境因子潛在的miRNA。首先，利用已知的不同生物數(shù)據(jù)信息，計(jì)算得到不同的miRNA相似性矩陣和環(huán)境因子相似性矩陣。然后，基于計(jì)算得到不同的miRNA相似性和環(huán)境因子相似性，分別創(chuàng)建不同的miRNA相似性矩陣和不同的環(huán)境因子相似性矩陣，再用相似性矩陣融合方法分別對(duì)不同的miRNA相似性矩陣和不同的環(huán)境因子相似性矩陣進(jìn)行融合，減低單個(gè)數(shù)據(jù)源的得到的相似性噪聲，提高最終miRNA和環(huán)境因子相似性的可靠性。最后對(duì)不同情況下miRNA和環(huán)境因子，分別采用雙向隨機(jī)游走和多標(biāo)簽學(xué)習(xí)來預(yù)測(cè)潛在的miRNA-環(huán)境因子關(guān)系，該方法能有效地挖掘環(huán)境因子潛在的miRNA。

附圖說明

圖1：本發(fā)明MEI-BRWMLL流程圖；

圖2：環(huán)境因子的度分布圖；

圖3：ClusterViz在已知數(shù)據(jù)集上識(shí)別出來的三個(gè)模塊；

圖4：在數(shù)據(jù)集上的十倍交叉驗(yàn)證。

具體實(shí)施方式

以下將結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明做進(jìn)一步詳細(xì)說明：

如圖1所示，本發(fā)明具體實(shí)現(xiàn)過程如下：

一.miRNA相似性計(jì)算和環(huán)境因子相似性計(jì)算

1.miRNA-環(huán)境因子矩陣構(gòu)建

基于已知的miRNA-環(huán)境因子關(guān)系，本發(fā)明首先構(gòu)建miRNA-環(huán)境因子矩陣ME。其中，miRNA-環(huán)境因子矩陣每一行對(duì)應(yīng)一個(gè)miRNA，每一列對(duì)應(yīng)一個(gè)環(huán)境因子。若miRNA m_i和環(huán)境因子e_j存在關(guān)聯(lián)關(guān)系，ME(i,j)等于1；否則，ME(i,j)等于0。

2.miRNA相似性計(jì)算

本發(fā)明miRNA相似性計(jì)算包括兩個(gè)部分：miRNA序列相似性計(jì)算和miRNA交互譜相似性計(jì)算。本發(fā)明采用Emboss-Needle工具來計(jì)算兩條成熟體miRNA序列的相似性。Emboss-Needle參數(shù)則是按照指定的參數(shù)(Matrix＝EDNAfull,Gap open＝10,Gap extend＝0.5)。

miRNA交互譜相似性計(jì)算是基于假設(shè)：相似miRNA一般都會(huì)有相似的交互模式，本發(fā)明定義兩個(gè)miRNA m_i和m_j之間的交互譜相似性為：

miR_Gip(m_i,m_j)＝exp(-γ_m||IP(m_i)-IP(m_j)||²)

其中，m_i和m_j分別代表第i個(gè)miRNA和第j個(gè)miRNA；i，j＝1,2,…,m；m表示已知的miRNA的總個(gè)數(shù)；IP(m_i)代表miRNA-環(huán)境因子矩陣中的第i行。

3.環(huán)境因子相似性計(jì)算

環(huán)境因子可以分為兩種：化學(xué)分子環(huán)境因子和非化學(xué)分子環(huán)境因子。對(duì)于化學(xué)分子環(huán)境因子，本發(fā)明采用化學(xué)結(jié)構(gòu)相似性、化學(xué)分類系統(tǒng)信息相似性和交互譜相似性來計(jì)算其相似性。對(duì)于非化學(xué)分子環(huán)境因子，只采用交互譜相似性來計(jì)算相似性?；瘜W(xué)結(jié)構(gòu)相似性計(jì)算是利用SIMCOMP工具來實(shí)現(xiàn)的，該工具是通過比對(duì)兩個(gè)化學(xué)分子的共同子結(jié)構(gòu)大小來比較兩個(gè)化學(xué)分子的化學(xué)結(jié)構(gòu)相似性，即共同的子結(jié)構(gòu)越大，兩個(gè)化學(xué)分子的化學(xué)結(jié)構(gòu)相似性越高?；瘜W(xué)分類系統(tǒng)信息(ATC：anatomical therapeutic chemical)是基于其在各個(gè)組織中化學(xué)，藥理及其作用等屬性，其提供為非結(jié)構(gòu)信息。本發(fā)明采用Lin相似性計(jì)算方法來計(jì)算兩個(gè)化學(xué)分子之間的化學(xué)分類系統(tǒng)信息相似性，該方法基于節(jié)點(diǎn)的層次結(jié)構(gòu)，化學(xué)分子的注釋信息重疊越多，相似性越高。

對(duì)于所有的環(huán)境因子(包括化學(xué)分子環(huán)境因子和非化學(xué)分子環(huán)境因子)，本發(fā)明采用以下公式計(jì)算兩個(gè)環(huán)境因子e_i和e_j之間的交互譜相似性：

EF_Gip(e_i,e_j)＝exp(-γ_e||IP(e_i)-IP(e_j)||²)

其中，e_i和e_j分別代表第i個(gè)環(huán)境因子和第j個(gè)環(huán)境因子；i，j＝1,2,…,e；e表示已知的環(huán)境因子的總個(gè)數(shù)，IP(e_i)代表miRNA-環(huán)境因子矩陣中的第i列。

二.相似性矩陣融合

從上面部分可知，本發(fā)明已經(jīng)計(jì)算得到2種miRNA的相似性數(shù)據(jù)和3種環(huán)境因子相似性數(shù)據(jù)。以miRNA為例子，首先，本發(fā)明對(duì)miRNA的兩種相似性矩陣按照下面方式分別進(jìn)行標(biāo)準(zhǔn)化：

其中，W表示miRNA相似性矩陣，W(i,j)為其第i行第j列的元素；NM^v₀(i,j)表示經(jīng)過標(biāo)準(zhǔn)化后的miRNA相似性矩陣NM^v₀第i行第j列的元素。

為了度量相似性矩陣的局部一致性，本發(fā)明基于前面計(jì)算得到的miRNA相似性，對(duì)每個(gè)miRNA選擇相似性最大的前K個(gè)miRNA作為其最近鄰居集合，從而構(gòu)建局部相似性矩陣：

其中，N_i表示第i個(gè)miRNA的最近鄰居集合。

對(duì)于miRNA每種數(shù)據(jù)類型，相似性矩陣融合過程是通過迭代更新相似性矩陣：

其中，SM^v表示數(shù)據(jù)類型為v的miRNA的局部相似性網(wǎng)絡(luò)；本發(fā)明中v＝1,2分別表示miRNA序列局部相似性矩陣和miRNA交互譜局部相似性矩陣；n代表是數(shù)據(jù)類型的總的個(gè)數(shù)，在這里，n為2；NM^v_u表示第u(u＝1,2,3…)次迭代更新的相似性矩陣；本發(fā)明中k＝1,2分別指代miRNA序列相似性矩陣和miRNA交互譜相似性矩陣；迭代計(jì)算NM^v_u，直到兩次迭代之間的差值NM^v_u-NM^v_u-1＜ε，結(jié)束迭代。本發(fā)明設(shè)定ε＝10e^-6。

對(duì)于每一種數(shù)據(jù)類型的miRNA相似性矩陣，都可以得到一個(gè)融合后的相似性矩陣。本發(fā)明通過算術(shù)平均值計(jì)算所有數(shù)據(jù)類型融合后的miRNA相似性矩陣FM，其定義如下：

對(duì)于環(huán)境因子的三種相似性矩陣，利用相同的相似性矩陣融合方法也可以得到一個(gè)融合后的環(huán)境因子相似性矩陣FE。

三.基于雙向隨機(jī)游走和多標(biāo)簽學(xué)習(xí)方法預(yù)測(cè)miRNA-環(huán)境因子相互關(guān)系

本發(fā)明采用兩種方法來預(yù)測(cè)miRNA-環(huán)境因子之間關(guān)聯(lián)關(guān)系：雙向隨機(jī)游走來預(yù)測(cè)已知的miRNA和環(huán)境因子之間潛在的關(guān)聯(lián)關(guān)系和多標(biāo)簽學(xué)習(xí)方法來預(yù)測(cè)新的miRNA(環(huán)境因子)和環(huán)境因子(miRNA)之間的關(guān)聯(lián)關(guān)系。本發(fā)明采用這兩種方法的理由包括以下幾點(diǎn)：首先，以前的研究表明雙向隨機(jī)游走在預(yù)測(cè)已知的樣本之間相互作用關(guān)系中取得很好的效果。但是其對(duì)于新的樣本之間關(guān)聯(lián)關(guān)系效果不是特別突出。然而，多標(biāo)簽學(xué)習(xí)方法在新的樣本之間關(guān)系預(yù)測(cè)上優(yōu)勢(shì)很大。因此，本發(fā)明通過融合兩種方法優(yōu)勢(shì)來提高miRNA-環(huán)境因子之間關(guān)系。

(1)基于雙向隨機(jī)游走方法預(yù)測(cè)已知的miRNA-環(huán)境因子之間潛在相互關(guān)系

本發(fā)明預(yù)測(cè)miRNA-環(huán)境因子之間相互關(guān)聯(lián)關(guān)系基于的假設(shè)為：相似的miRNA一般都會(huì)和相似的環(huán)境因子之間有關(guān)系。其具體的實(shí)施步驟如下：

首先，本發(fā)明采用拉普拉斯標(biāo)準(zhǔn)化方法分別對(duì)上部分計(jì)算得到的融合后的miRNA相似性矩陣和融合后的環(huán)境因子相似性矩陣進(jìn)行標(biāo)準(zhǔn)化。以miRNA為例，其標(biāo)準(zhǔn)化的定義如下：

RM＝DM^-1/2*FM*DM^-1/2

其中，DM表示融合后的miRNA相似性矩陣的對(duì)角矩陣。DM對(duì)角線的值為對(duì)應(yīng)的FM中一行的值的和。通過類似的過程也可以得到標(biāo)準(zhǔn)化的環(huán)境因子相似性矩陣。

對(duì)于miRNA-環(huán)境因子矩陣ME，其標(biāo)準(zhǔn)化矩陣A定義為：

A(i,j)＝ME(i,j)/sum(ME)

其中，ME(i,j)代表miRNA-環(huán)境因子矩陣ME中第i行j列的元素，sum(ME)為ME中所有元素之和。

至此，本發(fā)明得到標(biāo)準(zhǔn)化的miRNA相似性矩陣(RM)，環(huán)境因子相似性矩陣(RE)和miRNA-環(huán)境因子關(guān)聯(lián)矩陣(A)。然后，本次采用雙向隨機(jī)游走方法來預(yù)測(cè)已知的miRNA和環(huán)境因子之間潛在的關(guān)聯(lián)關(guān)系?；趍iRNA相似性矩陣和環(huán)境因子相似性矩陣，構(gòu)建miRNA相似性網(wǎng)絡(luò)和環(huán)境因子相似性網(wǎng)絡(luò)。其中，兩個(gè)網(wǎng)絡(luò)中，節(jié)點(diǎn)分別為miRNA和環(huán)境因子，邊的權(quán)重分別為miRNA-miRNA相似性值和環(huán)境因子-環(huán)境因子相似性值?？紤]到miRNA相似性矩陣和環(huán)境因子相似性矩陣可能有不同的結(jié)構(gòu)和拓?fù)涮卣鳎S機(jī)游走在兩個(gè)網(wǎng)絡(luò)中的最優(yōu)的迭代步數(shù)可能不一致。因此，本發(fā)明設(shè)定兩個(gè)參數(shù)l和r分別來表示隨機(jī)游走在miRNA相似性網(wǎng)絡(luò)和EF相似性網(wǎng)絡(luò)中最大迭代步數(shù)；l和r的取值通過交叉驗(yàn)證確定，本發(fā)明實(shí)施例中，l和r的取值通過交叉驗(yàn)證最終確定分別為4和2。其迭代過程可表示為：

在miRNA相似性網(wǎng)絡(luò)游走：

RD_L(t)＝a×RM×RD(t-1)+(1-a)A

其中，a為固定參數(shù)【a的取值通過交叉驗(yàn)證確定，本發(fā)明實(shí)施例中，a的取值通過交叉驗(yàn)證最終確定為0.8】，RD(t-1)為游走t-1步后預(yù)測(cè)的miRNA-環(huán)境因子得分矩陣，RD_L(t)為在miRNA相似性網(wǎng)絡(luò)上游走t步后預(yù)測(cè)的miRNA-環(huán)境因子得分矩陣；RD(0)＝A；

在環(huán)境因子相似性網(wǎng)絡(luò)游走：

RD_R(t)＝a×RD(t-1)×RE+(1-a)A

其中，RD_R(t)為在環(huán)境因子相似性網(wǎng)絡(luò)上游走t步后預(yù)測(cè)的miRNA-環(huán)境因子的得分矩陣；

最終的輸出游走t步后預(yù)測(cè)的miRNA-環(huán)境因子得分矩陣RD(t)：

當(dāng)隨機(jī)游走在兩個(gè)網(wǎng)絡(luò)中的步數(shù)超過最大迭代參數(shù)l或r時(shí)，迭代過程終止。

對(duì)于任意兩個(gè)已知的miRNA和環(huán)境因子，RD(t)的值代表兩者存在關(guān)系的可能性，表示已知的miRNA和環(huán)境因子之間潛在的關(guān)聯(lián)關(guān)系。

(2)基于多標(biāo)簽學(xué)習(xí)方法預(yù)測(cè)新的miRNA-環(huán)境因子之間潛在相互關(guān)系

本發(fā)明將miRNA-環(huán)境因子之間關(guān)系預(yù)測(cè)問題轉(zhuǎn)化為概率事件。假設(shè)需要預(yù)測(cè)miRNA m_i和環(huán)境因子e_j之間關(guān)系。若在已知的miRNA中，與某個(gè)miRNA最相似的K個(gè)miRNA中有10個(gè)miRNA和環(huán)境因子e_j有關(guān)系，則認(rèn)定這個(gè)miRNA有70％概率和環(huán)境因子e_j存在關(guān)聯(lián)關(guān)系。并且，在與miRNA m_i最相似的K個(gè)miRNA中有10個(gè)miRNA和環(huán)境因子e_j存在關(guān)聯(lián)關(guān)系，那么miRNA m_i也有70％概率和環(huán)境因子e_j有關(guān)系。

假定有m個(gè)已知的miRNA和e個(gè)環(huán)境因子，則miRNA-環(huán)境因子矩陣ME的維度為m行和e列。miRNA m_i和環(huán)境因子e_j之間存在關(guān)系的概率定義為P_ij，代表miRNA m_i和環(huán)境因子e_j之間存在關(guān)系的可信程度。當(dāng)已知miRNA m_i和環(huán)境因子e_j之間存在關(guān)系時(shí)，P_ij＝ME(i,j)＝1；否則，當(dāng)已知miRNA m_i和環(huán)境因子e_j之間不存在關(guān)系時(shí)，P_ij＝ME(i,j)＝0。給定一個(gè)新的miRNA m_c，其與環(huán)境因子e_j存在關(guān)系的概率記為P(m_c,e_j)?；趍iRNA相似性，選取與miRNA m_c相似性最大的K個(gè)miRNA，即選擇miRNA m_c的K個(gè)最近鄰居，N_c表示miRNA m_c的K個(gè)最近鄰居。根據(jù)訓(xùn)練樣本的統(tǒng)計(jì)信息，應(yīng)用條件概率和貝葉斯決策理論來預(yù)測(cè)測(cè)試樣本。本發(fā)明按如下方法計(jì)算P(m_c,e_j)：

其先驗(yàn)概率可利用已知的m個(gè)miRNA來估計(jì)：

表示和環(huán)境因子e_j有關(guān)的miRNA的先驗(yàn)概率，m表示已知的miRNA的個(gè)數(shù)；

后驗(yàn)概率可以按照以下方法計(jì)算：

其中，s的取值通過交叉驗(yàn)證得到，本實(shí)施例最后s取值為10；e(i)表示miRNA m_c的K個(gè)最近鄰居中，本身和e_j有關(guān)系，且其對(duì)應(yīng)的K個(gè)最近鄰居中，有i個(gè)miRNA和環(huán)境因子e_j有關(guān)系的miRNA的個(gè)數(shù)；

e′(i)表示miRNA m_c的K個(gè)最近鄰居中，本身和e_j有關(guān)系，且其對(duì)應(yīng)的K個(gè)最近鄰居中，有i個(gè)miRNA和環(huán)境因子e_j沒有關(guān)系的miRNA的個(gè)數(shù)。

四、實(shí)驗(yàn)驗(yàn)證

1.網(wǎng)絡(luò)分析

miRNA-環(huán)境因子網(wǎng)絡(luò)包含224個(gè)miRNA，124個(gè)環(huán)境因子和729條miRNA-環(huán)境因子關(guān)系。圖2表示miRNA-環(huán)境因子關(guān)系中環(huán)境因子的度的分布。行坐標(biāo)代表度，縱坐標(biāo)代表miRNA的個(gè)數(shù)。從圖2中可以發(fā)現(xiàn)大多數(shù)的環(huán)境因子的度都為1。也就是只有1個(gè)miRNA和這些環(huán)境因子有關(guān)系。其中，吉西他濱的度最高，有56個(gè)miRNA與其有關(guān)系。

本發(fā)明利用Cytoscape的ClusterViz插件對(duì)miRNA-環(huán)境因子關(guān)系網(wǎng)絡(luò)進(jìn)行聚類分析。圖3表示利用ClusterViz聚類得到的3個(gè)模塊。三角形表示環(huán)境因子，矩形表示miRNA。從這些模塊可以發(fā)現(xiàn)：環(huán)境因子可以調(diào)控功能相似的miRNA。例如，模塊3中4個(gè)環(huán)境因子(DDT，E2，BPA和電離輻射)和let-7家族都有關(guān)系。

2.評(píng)價(jià)指標(biāo)

為了驗(yàn)證本發(fā)明的有效性，本發(fā)明采用十倍交叉驗(yàn)證來測(cè)試MEI-BRWMLL的預(yù)測(cè)性能。將已知的miRNA-環(huán)境因子已知的關(guān)系隨機(jī)分為十份，隨機(jī)選取一份作為測(cè)試集，剩下額九份作為訓(xùn)練集。在每次交叉驗(yàn)證實(shí)驗(yàn)中，將測(cè)試集里的關(guān)系數(shù)據(jù)集中關(guān)系刪除，利用剩下的九份訓(xùn)練集中的已知信息來預(yù)測(cè)測(cè)試集中關(guān)系。若刪除后，某個(gè)環(huán)境因子沒有一個(gè)miRNA與其關(guān)聯(lián)，則采用多標(biāo)簽學(xué)習(xí)方法來進(jìn)行預(yù)測(cè)；否則，采用雙向隨機(jī)游走方法進(jìn)行預(yù)測(cè)。從而，可以獲得刪除的miRNA-環(huán)境因子得分/存在關(guān)系的概率。

針對(duì)測(cè)試集中每對(duì)被刪除關(guān)系的miRNA-環(huán)境因子【即實(shí)際存在關(guān)系的miRNA-環(huán)境因子】，對(duì)預(yù)測(cè)得到的miRNA-環(huán)境因子得分/存在關(guān)系的概率設(shè)定閾值，如果得分/概率大于這個(gè)閾值，則被認(rèn)為是一個(gè)true positive(TP，表示miRNA-環(huán)境因子實(shí)際存在關(guān)系，預(yù)測(cè)也存在關(guān)系)；否則為false negative(FN，表示miRNA-環(huán)境因子實(shí)際存在關(guān)系，而預(yù)測(cè)不存在關(guān)系)。另外，對(duì)于已知沒有關(guān)系的miRNA-環(huán)境因子【即實(shí)際不存在關(guān)系的miRNA-環(huán)境因子】，若得分/概率大于這個(gè)閾值，被認(rèn)為是一個(gè)false positive(FP，表示miRNA-環(huán)境因子實(shí)際不存在關(guān)系，而預(yù)測(cè)存在關(guān)系)；否則為true negative(TN，表示miRNA-環(huán)境因子實(shí)際不存在關(guān)系，而預(yù)測(cè)也不存在關(guān)系)。從而進(jìn)一步計(jì)算出True-positive rate(TPR)和False-positive rate(FPR)。TPR和FPR的計(jì)算公式如下：

通過改變閾值，可以計(jì)算得到不同的TPR和FPR，進(jìn)而畫出ROC曲線，并且計(jì)算該曲線下方的面積可以得到AUC值，AUC值被用來表示全局預(yù)測(cè)性能。本發(fā)明將MEI-BRWMLL和另外兩個(gè)miRNA-環(huán)境因子關(guān)系預(yù)測(cè)方法(miREFScan和miREFRWR)比較。圖4表示三種方法在miRNA-環(huán)境因子關(guān)系預(yù)測(cè)性能。從圖4可以發(fā)現(xiàn)，MEI-BRWMLL的AUC值為0.8208。另外兩種方法miREFScan和miREFRWR的AUC值分別為0.7963和0.7905。實(shí)驗(yàn)結(jié)果表明：本發(fā)明要優(yōu)于現(xiàn)在的兩種方法。

3.案例分析

3,3-二吲哚基甲烷(DIM)來源于吲哚-3-甲醇消化產(chǎn)物，是一種存在于十字花科植物如西蘭花，抱子甘藍(lán)，卷心菜和甘藍(lán)菜的化合物。越來越多的研究表明：3,3-二吲哚基甲烷和許多癌癥有著密切關(guān)系。例如，3,3-二吲哚基甲烷能夠抑制結(jié)腸癌細(xì)胞中基因HDAC1，HDAC2和HDAC3的表達(dá)。表1為MEI-BRWMLL預(yù)測(cè)的和3,3-二吲哚基甲烷有關(guān)系的前15個(gè)預(yù)測(cè)的miRNA。在這預(yù)測(cè)的15個(gè)miRNA中，9個(gè)miRNA在最近的文獻(xiàn)被驗(yàn)證和3,3-二吲哚基甲烷有關(guān)系。排名第1的為hsa-mir-146a，根據(jù)文獻(xiàn)表明3,3-二吲哚基甲烷能夠誘導(dǎo)hsa-mir-164a表達(dá)，且hsa-mir-164a能夠抑制基因MTA-2，IRAK-1和NFKB的表達(dá)，進(jìn)而減少胰腺癌細(xì)胞轉(zhuǎn)移。排名第2的為hsa-mir-16。有文獻(xiàn)表明在腦CD4+T細(xì)胞中，3,3-二吲哚基甲烷促進(jìn)hsa-mir-16的表達(dá)，從而抑制靶基因EAE的表達(dá)。最近的研究表明3,3-二吲哚基甲烷和排名6，8，12的hsa-mir-181a，hsa-mir-125b，hsa-mir-34a有關(guān)系。3,3-二吲哚基甲烷抑制這些miRNA表達(dá)，從而可以誘導(dǎo)肝臟中caspase-2基因表達(dá)。排名第9的為hsa-mir-200b。研究表明3,3-二吲哚基甲烷可以上調(diào)乳腺癌的SKBR3細(xì)胞系中的hsa-mir-200b。排名第11為hsa-mir-221，研究表明在胰腺癌總，3,3-二吲哚基甲烷可以改變hsa-mir-221的表達(dá)，從而改變PTEN，p27，p57和PUMA基因表達(dá)。最近研究發(fā)現(xiàn)，在前列腺癌中，3,3-二吲哚基甲烷可以上調(diào)hsa-let-7e的表達(dá)，從而抑制基因EZH2的表達(dá)。根據(jù)文獻(xiàn)表明在乳腺癌中，3,3-二吲哚基甲烷和赫賽汀共同作用來促進(jìn)hsa-mir-200c的表達(dá)，從而抑制其靶基因的表達(dá)。另外，本發(fā)明也發(fā)現(xiàn)了一些新的miRNA，如hsa-mir-24，hsa-mir-155，hsa-mir-233，hsa-mir-181b，hsa-mir-126和hsa-mir-222。雖然這些miRNA分子機(jī)制仍然未知，這可以留給生物學(xué)家通過生物實(shí)驗(yàn)方法來驗(yàn)證期生物功能。

表1預(yù)測(cè)的miRNA