一种基于图卷积神经网络的lncRNA-蛋白质相互作用预测方法

技术领域

本发明属于生物信息学领域，具体涉及一种基于图卷积神经网络的lncRNA-蛋白质相互作用预测方法。

背景技术

lncRNA在许多生物的生命活动中起着非常广泛的调节作用，例如染色质修饰，细胞的分化和增值，RNA的进展和细胞凋亡等。lncRNA-蛋白质相互作用在转录后基因调控中起着重要的作用，例如剪接、翻译、信号转导和复杂疾病的进展。传统的研究过程包括靶点识别、生物大分子的发现、临床前研究、临床研究以及审批，而计算机模拟的方法则具有耗时短，成本低的优势。

发明内容

本发明的目的是提供一种基于图卷积神经网络的lncRNA-蛋白质相互作用预测方法，能够有效地提高lncRNA-蛋白质相互作用预测的正确率。

为实现上述目的，本发明采用如下的技术方案：

一种基于图卷积神经网络的lncRNA-蛋白质相互作用预测方法，包括以下步骤：

步骤1：对数据进行预处理；

步骤2：使用Smith-Waterman算法计算各lncRNA之间的相似性，生成lncRNA的相似性矩阵；

步骤3：使用高斯算法计算各lncRNA之间的高斯相似性，最终的相似性为SW相似性与高斯相似性加和取平均；

步骤4：使用Smith-Waterman算法以及高斯算法计算各蛋白质之间的相似性，最终的相似性为SW相似性与高斯相似性加和取平均，以得到蛋白质的相似性矩阵；

步骤5：根据得到的相似性矩阵和lncRNA-蛋白质相互作用矩阵，利用图卷积神经网络提取序列的相似性特征，得到预测结果。

所述步骤1具体为：

步骤1.1：对lncRNA-蛋白质相互作用数据、蛋白质序列信息和lncRNA序列信息进行预处理，去掉异常值和缺失值以及低相关数据，低相关数据即为没有与至少两个蛋白质有相互作用的lncRNA和没有与至少两个lncRNA有相互作用的蛋白质；

步骤1.2：将lncRNA和蛋白质进行排序并编号；

步骤1.3：根据相互作用数据生成lncRNA-蛋白质之间的相互作用矩阵。

所述步骤2具体为：

利用Smith-Waterman算法计算各lncRNA之间的相似性以及各蛋白质之间的相似性，计算方法如下：

其中：LS(l(i)，l(j))为针对lncRNA构建的相似性矩阵；sw(l(i)，l(j))表示两个lncRNA序列的SW相似性。

所述步骤3具体为：

步骤3.1：利用高斯相似度算法计算序列之间的高斯相似性，计算方法如下：

GS

其中：exp()为求以e为底的指数函数；向量AP(l(i))表示邻接矩阵的第i行；γ

步骤3.2：最终的相似性为两个相似性求和取平均，如果SW相似性为0，则直接用高斯相似性代替，得到相似性矩阵。

所述步骤S5具体为：

步骤5.1：利用序列间的相似性构建相似性图矩阵；

步骤5.2：根据得到的相似性图矩阵，采用图卷积网络对相似性特征建模来提取序列的相似性特征，最终得到预测结果。

所述图卷积模型具体为：

ReLU(x)＝max(0，x) (6)

式中，Z为最后计算得到的评分矩阵，X表示lncRNA-蛋白质相互作用图矩阵，A为序列的相似性图矩阵，

本发明与现有技术相比具有以下有益效果：

1、本发明考虑到了序列之间不同的相似性，利用SW相似性与高斯相似性相结合的方式来计算相似性，使相似性更加准确；

2、利用图卷积模型对lncRNA和蛋白质序列的相似性特征建模，有效地提取了序列间的相似性特征，更好地利用序列的相似性提高了相互作用预测的正确性。

附图说明

图1是相似性网络图；

图2是系统的原理示意图；

图3是5折交叉验证下本发明实施例与其他方法性能比较的ROC曲线。

具体实施方式

下面结合附图及实例对本发明做进一步说明。

如图1所示，本专利提出了一种基于图卷积神经网络的lncRNA-蛋白质相互作用预测模型，首先，根据lncRNA和蛋白质的序列信息，计算各自的相似性，然后建立模型预测lncRNA-蛋白质之间潜在的相互作用关系。最后采用相应指标对本模型的性能进行了评估。为了使模型能够更加直观地表示，本发明建立了相应的抽象模型，如图1所示。我们通过已知的lncRNA相似性矩阵、蛋白质相似性矩阵以及lncRNA-蛋白质相互作用矩阵来预测lncRNA-蛋白质之间潜在的相互作用关系。抽象模型中上半部分节点表示蛋白质，下半部分节点表示lncRNA，各蛋白质或lncRNA节点之间连线及数字代表各蛋白质或lncRNA之间的相似性，所有蛋白质节点及蛋白质之间的链接边构成蛋白质相似性网络，各lncRNA和lncRNA之间的链接边构成lncRNA相似性网络，两个网络中间部分的实线代表已知的lncRNA-蛋白质相互作用对，虚线则代表潜在的lncRNA-蛋白质相互作用，即为需要预测的相互作用。本发明的目的即为利用基于图卷积神经网络的lncRNA-蛋白质相互作用预测模型来对潜在的相互作用进行预测。

如图2所示，本发明的具体实施例流程为：

步骤1：首先从数据库NPInter中获取lncRNA-蛋白质的相互作用对共8110个，其中涉及3048个lncRNA和136个蛋白质，去掉异常值、缺失值以及没有与至少两个蛋白质有相互作用的lncRNA和没有与至少两个lncRNA有相互作用的蛋白质的低相关数据后，剩余1422个lncRNA和39个蛋白质；再分别通过查询数据库NONCODE、Uniprot获取lncRNA和蛋白质的序列信息，将lncRNA和蛋白质排序编号后，根据相互作用数据生成LncRNA-蛋白质的相互作用矩阵；

步骤2：使用Smith-Waterman(SW)算法计算各lncRNA之间的相似性，生成lncRNA的相似性矩阵，计算方法如下：

其中LS(l(i),l(j))为针对lncRNA构建的相似性矩阵；sw(l(i),l(j))表示两个lncRNA序列的相似性。

步骤3：使用高斯算法计算各lncRNA之间的高斯相似性，最终的相似性为SW相似性与高斯相似性加和取平均，计算方法如下：

GS

其中向量AP(l(i))表示邻接矩阵的第i行；γ

步骤4：同理使用Smith-Waterman算法和高斯算法计算各蛋白质之间的相似性，最终相似性为SW相似性与高斯相似性加和取平均，以得到蛋白质的相似性矩阵；

步骤5：根据得到的相似性矩阵和lncRNA-蛋白质相互作用矩阵，利用图卷积网络提取序列的相似性特征，得到预测结果，模型具体为：

ReLU(x)＝max(0，x) (6)

式中，Z为最后计算得到的评分矩阵，X表示lncRNA-蛋白质相互作用图矩阵，A为序列的相似性图矩阵，

本发明的有效性验证：

通过实现5折交叉验证来对本发明进行性能评估。在5折交叉验证中，把所有lncRNA-蛋白质之间的联系随机分成5份，每次取其中一份作为测试集，剩余的4份作为训练集，用ROC曲线下面积(AUC)来定量评估本发明的性能。为防止随机性，验证结果均为100次五折交叉验证的平均值。本发明与其他方法进行了比较，结果如图3所示，本发明取得了最高的AUC值，AUC＝0.9095。验证结果表明，本发明的性能均优于其他方法。