一种基于约束性布尔网络的最大评分预测方法

摘要

本发明涉及一种基于约束性布尔网络的最大评分预测方法，包括有以下步骤：第一步、计算相对互信息确定候选预测基因集，第二步、采用最大评分预测方法从第一步中得到的预测基因集中选择作为目标基因的父基因，本发明具有本发明适用于依据小样本数据预测多变量之间的关系，本发明对噪声的鲁棒性更强，更适用于真实环境下的生物数据的预测，发明预测的网络结构更加准确、详细，体现在预测调控关系的正确数目及调控关系的方向性和正负调控关系。

主权项

一种基于约束性布尔网络的最大评分预测方法，其特征在于：包括有以下步骤：第一步、计算相对互信息确定候选预测基因集，其包括以下步骤：一、根据以下公式计算两两变量之间的相对互信息确定一个相对互信息矩阵，式中表示预测基因x_j从时刻1到t的表达值；表示目标基因x_i从时刻2到t+1的表达值；是预测基因x_j与目标基因x_i延迟一个单位时间的条件互信息；H(x)表示变量x的熵；θ_ij表示预测基因x_j与目标基因x_i的相对互信息；二、计算相对互信息矩阵中每一行的平均值，将之作为阈值δ_i，根据以下公式计算：${\delta }_i=\frac{1}{n}\underset{j=1}{\overset{n}{\Sigma }}{\theta }_{ij}$式中n表示相对互信息矩阵中每一行的个数，三、定义一个M矩阵，确定目标基因各自的候选预测基因集，根据以下方程计算：$M_{ij}=\left\{\begin{array}{cc}0& {\theta }_{ij}<{\delta }_i\\ 1& {\theta }_{ij}\ge {\delta }_i\end{array}\right.$M_ij中i行第j列为1，则选择第j个基因作为i基因的候选预测基因集中的一个；第二步、采用最大评分预测方法从第一步中得到的预测基因集中选择作为目标基因的父基因，其包括以下步骤：①根据预测基因时间点t的值x_j(t)与目标基因时间点t和时间点t+1的值x_i(t)、x_i(t+1)，确定调控关系表R(m‑1)×p(x_i)，其中，p(x_i)表示目标基因x_i的预测基因的个数，m表示样本点/时间点个数；调控关系表R(m‑1)×p(x_i)每一行的元素将由x_j(t)、x_i(t)和x_i(t+1)按照调控关系a_ij的约束关系进行求解，具体过程如下:当x_i(t)＝0，x_i(t+1)＝0，对a_ij的约束为当x_i(t)＝0，x_i(t+1)＝1，对a_ij的约束为当x_i(t)＝1，x_i(t+1)＝0，对a_ij的约束为当x_i(t)＝1，x_i(t+1)＝1，对a_ij的约束为并根据调控关系a_ij进行编码，其中：a_ij＝‑1表示预测基因对目标基因具有负调控；a_ij＝1表示预测基因对目标基因具有正调控；a_ij＝2表示未完全确定，表示预测基因对目标基因的调控关系不确定但存在一定的约束；a_ij＝0表示预测基因对目标基因调控关系不确定且不存在任何约束；②定义预测基因x_j对目标基因x_i的调控关系a_ij的确定性为：$d_{ij}=|N_{ij}^{-1}-N_{ij}^1|,$式中分别表示a_ij＝‑1，a_ij＝1的个数，并通过和计算；③按照步骤②得到的确定性d_ij从大到小依次确定预测基因x_j对目标基因x_i最可能的调控关系a_ij的值，如果那么a_ij＝‑1，否则a_ij＝1，将已确定的a_ij代入所述的调控关系表再确定下一个a_ik，k≠j；④统计错误个数：采用计算关系冲突错误；根据步骤①中获得的编码进行统计计算1的个数无输入错误：⑤定义评分准则：$s_i=\underset{j}{\Sigma }(d_{ij}-{ϵ}_{ij}^{-1,1}-{ϵ}_i^{null})/P\left(x_i\right)$式中s_i表示预测结果，从预测基因集合中选择使得s_i最大的预测基因组合作为目标基因x_i的父基因，且基因入度K≤3。