[发明专利]一种大规模标注lncRNA功能的方法

摘要

本发明公开了一种大规模标注lncRNA功能的方法，根据lncRNA‑蛋白质的共表达数据及相互作用数据、lncRNA的表达谱数据和蛋白质的相互作用数据，构建一个全局的异构无向图，通过Katz度量计算lncRNA顶点和蛋白质顶点的相似性，从而依据相似蛋白质的功能标注信息对未知的lncRNA进行功能标注。本发明与现有的技术相比，在考虑lncRNA‑蛋白质共表达信息的基础上，也整合了lncRNA‑蛋白质相互作用数据、lncRNA的表达谱数据和蛋白质的相互作用数据。独立测试表明，本发明预测的召回率、准确性和F‑measure都比其它的方法更高，效果更好。由于本发明是一种基于图的全局计算方法，所以可以一次标注出大量的lncRNA，有效的克服了以前局部方法一次只能标注少量lncRNA功能的问题。

主权项

1.一种大规模标注lncRNA功能的方法，其特征在于，包括如下步骤：步骤1、根据lncRNA‑蛋白质的共表达数据、相互作用数据计算lncRNA和蛋白质的皮尔逊相关系数，并根据相关系数构造lncRNA‑蛋白质关系网络；步骤2、根据lncRNA在人类24个组织或者细胞类型中的表达谱计算lncRNA之间的皮尔逊相关系数，据此构造lncRNA相似性网络；步骤3、根据蛋白质相互作用数据构造蛋白质相互作用网络，并结合lncRNA‑蛋白质关系网络和lncRNA相似性网络构建全局网络的邻接矩阵A；步骤4、利用上述构建的全局网络，根据公式(1)计算lncRNA节点和蛋白质节点的Katz度量，此Katz度量代表lncRNA节点和蛋白质节点的相似性度量，Katz度量值越大，说明这个蛋白质与lncRNA越相似；其中，公式(1)为：S_LP＝βLP+β²(L*LP+LP*P)+β³(LP*LP^T*LP+L²*LP+L*LP*P+LP*P²)   (1)其中，β是不同长度路径的权重系数，满足β<1/||A||₂；L为lncRNA相似性网络的邻接矩阵；LP是lncRNA‑蛋白质的关系网络的邻接矩阵；P为蛋白质相互作用网络；步骤5、对上述步骤得到的S_LP进行降序排列，按照分值选择其中前N个蛋白质，分别找出前N个蛋白质中每个蛋白质所对应的功能注释，对每个功能注释，根据公式(2)计算此lncRNA具有该功能的概率，其中，公式(2)为：其中，P_l(T_i)为从S_LP中降序排列的分值中选择前N个蛋白质，对于每一个GO术语被指定给lncRNA的概率；S_LP是lncRNA l和它的邻近编码基因的Kazt相似性分数；Ind(T_i)是一个指示函数，定义如下：P_l(T_i)越大，则lncRNA l越可能具有该功能。