1.一种环状rna和疾病关联预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的环状rna和疾病关联预测方法,其特征在于,步骤s2所述融合标识符的形成方法为:若疾病或者circrna之间有语义相似度,对其最终的融合数据进行取平均值的运算;若没有,则取高斯交互核相似度来补充不同数据库之间的数据差异,最后将疾病和circrna的融合相似度降维后进行拼接形成最后的融合标识符。
3.根据权利要求1所述的环状rna和疾病关联预测方法,其特征在于,所述疾病语义相似度的具体计算方式为:
4.根据权利要求1所述的环状rna和疾病关联预测方法,其特征在于,所述circrna表达谱相似度的具体计算方式为:将带有表达谱数据的circrna表示为一个32维的特征向量,并使用降序的方法对不同circrna的表达谱数据进行重新排序,使用spearman相关系数得到circrna之间的表达谱相似性。
5.根据权利要求1所述的环状rna和疾病关联预测方法,其特征在于,所述jaccard相似度的具体计算方式为:
6.根据权利要求3所述的环状rna和疾病关联预测方法,其特征在于,所述融合方法的具体实现为:
7.根据权利要求2所述的环状rna和疾病关联预测方法,其特征在于通过aane算法,得到与余弦相似度矩阵差值最小的图嵌入表达矩阵,所得到的图嵌入表达矩阵即为低维特征,所述aane提取低维特征的步骤包括:
8.根据权利要求2所述的环状rna和疾病关联预测方法,其特征在于,所述对模型参数和网络结构进行优化的步骤为:
9.根据权利要求2所述的环状rna和疾病关联预测方法,其特征在于,所述随机森林的生成方法为:
10.根据权利要求1-9任一所述的环状rna和疾病关联预测方法,其特征在于,基于pytorch和python及其辅助库编写。