买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西北工业大学申请的专利一种基于多维度功能数据的疾病相关环状RNA网络构建方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116313105B 。

龙图腾网通过国家知识产权局官网在2026-03-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211727598.5，技术领域涉及：G16H50/50；该发明授权一种基于多维度功能数据的疾病相关环状RNA网络构建方法是由王永天;刘心梦设计研发完成，并于2022-12-30向国家知识产权局提交的专利申请。

本一种基于多维度功能数据的疾病相关环状RNA网络构建方法在说明书摘要公布了：本发明公开了一种基于多维度功能数据的疾病相关环状RNA网络构建方法，由两部分构成第一部分整合多维度的功能数据，包括环状RNA相似网络，疾病相似网络和环状RNA与疾病邻接网络，从而构成关联网络；第二部分利用RWR算法学习关联网络的特征，得到疾病相关环状RNA网络。本发明可用于疾病与环状RNA关联的预测，为预测模型提供可靠输入数据，从而获得良好的预测结果。本发明构建出的基于多维度功能数据的疾病相关环状RNA网络在后续预测与疾病相关环状RNA的实验中具有良好效果，预测准确度高。

本发明授权一种基于多维度功能数据的疾病相关环状RNA网络构建方法在权利要求书中公布了：1.一种基于多维度功能数据的疾病相关环状RNA网络构建方法，其特征在于，包括以下步骤： 步骤1：基于miRNA的环状RNA关联网络构建； 从starBase得到环状RNA与mircRNA关联数据后，使用环状RNA-miRNA相互作用来计算环状RNA的相似性；计算相似性公式为： 其中，ci表示第i种环状RNA，cj表示第j种环状RNA，mi表示与ci有关的miRNA个数，m=mi∩mj，即m为第i种环状RNA和第j种环状RNA相同的miRNA个数；CSmici,cj表示ci和cj的环状RNA-miRNA相似度； 步骤2：基于结合蛋白RBP的环状RNA关联网络构建； 基于结合蛋白RBP的相似度计算公式如下： 其中，ri表示与ci有关的RBP个数，r=ri∩rj，即为第i种环状RNA和第j种环状RNA相同的RBP个数；CSrbpci,cj表示ci和cj的环状RNA-RBP相似度； 步骤3：基于混合博弈表示CGR的环状RNA关联网络构建； 步骤3-1：将每个核苷酸在平面中进行位置表示，公式为： 设P0是任意给定的起点；N表示序列长度；Si代表序列中的第i个核苷酸； 步骤3-2：通过步骤3-1，CGR图被转换成Nx网格，称为CGR图的频率矩阵FCGR，频率矩阵网格表示为： 式中，Xi和Yi分别代表位于第i个网格中的所有点的横轴和纵轴坐标之和，Zi代表第i个网格中被量化为潜在特征的circRNA核苷酸的z分数； 步骤3-3：累加每个网格中的横坐标point.x和纵坐标point.y来量化位置信息,利用x轴，y轴方向以及它们的数字特征来构造序列的特征向量，计算公式如下： 步骤3-4：计算每个网格Zi的z的分数从而对非线性信息进行量化，计算公式如下： 其中，Numi是频率矩阵网格中坐标点的数量； 步骤3-5：每个网格可表示为三个属性，融合这些属性来构造向量，通过皮尔逊相关系数来定义环状RNA的序列相似性； 其中，vectorci表示第i个环状RNA的序列向量，vectorci•vectorcj是vectorci和vectorcj的点积，CSseq=ci,cj表示ci和cj的环状RNA-CGR序列相似度； 步骤4：环状RNA特征提取； 在计算出三个环状RNA相似网络后，利用基于共享约束条件的协同训练方法提取特征，获得了最终三个网络的特征矩阵CSFmi、CSFrbp和CSFseq； 步骤4-1：基于重启随机游走RWR的环状RNA关联网络拓扑结构学习； 采用RWR算法捕获网络信息，从节点xi开始，以重启概率c转移到其他相邻节点，并反复迭代，每次迭代均以概率c回到初始节点xi；迭代稳定后得到的vij就是从节点xi到节点xj的概率，即相关性得分；让Ak表示网络Gk的邻接矩阵，RWR公式如下： 其中t和t+1分别表示RWR算法的第t步和第t+1步；Tij表示转移概率矩阵T中对应的第i行第j列，T是A矩阵列归一化的结果，ei表示节点xi的初始特征向量； 通过在邻接矩阵A网络上使用RWR算法，获得具有网络全局结构信息的节点特征表示; 步骤4-2：协同训练中约束条件建立； 将步骤4-1得到的节点特征表示输入到自动编码器中，重构节点的特征表示；对于每个自动编码器，基于重构特征矩阵生成拉普拉斯矩阵L，生成公式如下： 其中，X是采用RWR算法得到的节点特征表示，其中Xi是节点的特征向量，X′是将X输入到自动编码器后重建出的节点特征表示，其中Xi′是节点的重构特征向量，是与X′维度相同的单位矩阵，是X′的度矩阵； 计算皮尔逊相关系数PCC的值，作为节点a和节点b之间的约束，计算公式如下： 最后，利用皮尔逊相关系数PCC值来衡量节点之间的相似性，对所有节点对的PCC值进行排序，并将具有最高PCC值的节点对作为强关联；将强关联存储到强关联矩阵M中，作为先验信息应用于下一个自动编码器； 步骤4-3：基于共享约束条件的协同训练； 基于半监督自动编码器，将隐藏特征和强关联作为输入，经过多次迭代最终得到原始网络的特征矩阵； 自动编码器由编码器和解码器两部分组成，编码器将高维特征表示为低维特征，解码器则将编码低维特征重构为原始高维特征，通过均方误差最小化来优化自动编码器，基于重构特征的损失函数公式如下： 其中，xi是原始高维特征，yi是经解码器重构的特征，n是节点数量； 采用半监督自动编码器，基于强关联的损失函数公式如下： 其中，M是强关联矩阵，Mi,j∈0,1，hi和hj是经过编码器处理的低维特征，k是强关联对的数量； 通过半监督自动编码器将强关联整合到自动编码器中，该编码器基于上述两个公式最小化联合目标函数，如下所示： 其中，λ1和λ2是平衡重构误差Lcon和约束误差Lmust的权重系数； 步骤5：环状RNA的网络融合； 采用计算余弦相似度的方法，将通过基于共享约束条件的协同训练方法得到的特征矩阵CSFmi、CSFrbp和CSFseq进行融合； 首先将三个特征矩阵整合为一个融合特征矩阵，然后利用余弦相似度计算，计算公式如下： 其中，A是融合特征矩阵，AT是A的转置矩阵； 根据余弦相似度构造出最终的环状RNA相似矩阵CS； 步骤6：疾病相似网络； 采用FNSemSim方法计算疾病的相似性； 使用三个功能关联网络，包括人类基因连接组HGC、HumanNet和FunCoup；将HumanNet和FunCoup这两个具有不同评分系统的关联网络进行融合，用于计算基因相似度；在得到融合的功能关联网络后，采用重启随机行走RWR算法对该融合网络中任何两个基因之间的关系进行分析，一个基因g和一个基因集G之间的关联性定义如下： 其中PRWR代表一个基因在网络中与另一个基因在经过RWR计算后的概率，AG是基因功能关联网络；如果一个基因和基因组中的某些基因被包含在功能关联网络中，而不属于，那么RG的定义是所有基因对中PRWR的最大值； 基因集Ga={ga1,ga2,…}和Gb={gb1,gb2,…}分别与疾病da和db相关，疾病da和db之间的相似性定义如下： 其中numGa和numGb分别代表与疾病da和db相关的基因数量； FNSemSim定义如下： 其中|Ga|和|Gb|代表两个基因集的大小，Ga和Gb分别与疾病本体论中的疾病da和db有关；|GMICA|是为da和db提供最大信息量的共同祖先相关的基因数； 步骤7：基于多维度功能数据的疾病相关环状RNA网络的构建； 步骤7-1：环状RNA与疾病的关系用疾病邻接网络CD表示，CD表示为： 步骤7-2：将环状RNA相似网络CS、疾病相似网络DS和环状RNA与疾病邻接网络CD进行整合，得到关联网络X*： 再利用RWR算法学习关联网络X*的特征，从而得到疾病相关环状RNA网络X。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。