一种系统性红斑狼疮miRNA-基因联合标志物筛选方法

摘要: 本发明属于生物信息学与计算生物学,具体涉及一种基于图信号处理的系统性红斑狼疮mirna-基因联合标志物的筛选方法。背景技术:1、系统性红斑狼疮(systemic...
一种系统性红斑狼疮miRNA-基因联合标志物筛选方法

本发明属于生物信息学与计算生物学,具体涉及一种基于图信号处理的系统性红斑狼疮mirna-基因联合标志物的筛选方法。

背景技术:

1、系统性红斑狼疮(systemic lupus erythematosus, sle)是一种复杂的自身免疫性疾病,可累及皮肤、关节、肾脏、血液系统及神经系统等多器官和组织。该病临床表现异质性强、疾病活动度波动明显,其发生发展涉及遗传背景、免疫调节异常、环境因素及表观遗传调控等多层次机制的协同作用。因此,筛选能够客观反映sle分子状态的生物标志物,对于疾病机制解析、分子分型及辅助评估均具有重要意义。

2、随着高通量测序和公共表达谱数据库的日益丰富,基于转录组数据筛选sle相关分子标志物已成为常用研究手段。现有方法多通过差异表达分析、机器学习分类、蛋白互作网络或功能富集分析等方式,从基因表达数据中筛选候选关键分子;也有研究从非编码rna角度分析mirna在sle免疫调控中的作用,筛选差异表达的mirna。由于mirna可通过靶向mrna影响基因表达,其与靶基因之间的调控关系能够为解析sle分子机制提供重要线索。

3、然而,现有标志物筛选方法仍存在以下不足:其一,多数方法侧重于单个基因或单个mirna的差异表达水平,较少从mirna与靶基因之间的联合调控关系出发构建标志物组合,难以充分反映分子间网络化的协同作用模式;其二,常规差异表达分析主要依赖统计阈值筛选,对高维、小样本、多来源表达数据中隐含的非线性关联和全局特征利用不足,可能遗漏对疾病状态具有重要贡献但单独差异不显著的分子特征;其三,现有生物网络分析方法多集中于节点度数、中心性等静态拓扑指标的评估,仅能在一定程度上反映分子在网络中的位置重要性,却无法量化分子表达量在拓扑结构上传递与分布的动态波动特征。尤其对于临床常见的横断面表达数据,sle发病往往伴随着局部免疫调控通路的稳态崩溃(如mirna对靶基因的正常抑制作用解耦),这种深层次的调控关系破裂难以通过静态中心性指标有效捕捉。

4、针对上述问题,本发明将图信号处理理论引入分子调控网络分析,以网络拓扑作为离散信号的定义域,通过图全变分(graph total variation, gtv)精准量化局部调控通路的高频信号波动能量,从而在无时序的横断面数据中识别发生稳态失衡的关键功能模块,为sle分子标志物挖掘和辅助评估提供一种具有信号理论深度的计算方案。

技术实现思路

1、(一)发明目的

2、本发明的目的在于提供一种系统性红斑狼疮mirna-基因联合标志物的筛选方法,以解决现有标志物筛选方法多侧重于单一分子、且现有网络分析仅依赖静态拓扑特征、难以量化横断面表达数据中局部调控通路信号波动与失衡程度的问题。

3、为实现上述目的,本发明整合多组学数据构建联合调控网络,引入图聚类算法与图信号处理理论,将网络节点扰动值映射为图域离散信号,利用图全变分(gtv)量化局部拓扑高频信号能量,以精准定位sle发病过程中调控稳态断裂的功能模块,为sle分子标志物挖掘和疾病状态辅助评估提供具备物理学与图信号学解释的全新计算方案。

4、(二)技术方案

5、为实现上述目的,本发明采用如下技术方案,

6、一种系统性红斑狼疮mirna-基因联合标志物筛选方法,包括如下步骤:

7、s1,获取健康对照和系统性红斑狼疮样本的基因表达数据和mirna表达数据,并对两类表达数据进行标准化处理;

8、s2,采用统计检验模型对基因表达数据进行分析,筛选差异表达基因,并基于所述差异表达基因的重要性评分进行排序,得到候选基因;

9、s3, 采用统计检验模型对mirna表达数据进行分析,筛选差异表达mirna,并基于所述差异表达mirna的重要性评分进行排序,得到候选mirna;

10、s4,分别以所述候选基因和所述候选mirna作为节点,以mirna与基因之间的调控关系以及基因与基因之间的互作关系作为边,构建mirna-基因联合调控网络;

11、s5,计算所述mirna-基因联合调控网络的初始网络熵,并针对所述联合调控网络中的每一个节点分别执行节点移除操作,计算移除对应节点后的网络熵,将节点移除前后的网络熵差值的绝对值确定为该节点的网络扰动贡献值;

12、s6,基于模块度对所述mirna-基因联合调控网络进行拓扑社区划分,获得若干个子网络模块,筛选内部至少包含一条mirna-基因调控关系,且至少包含一个mirna节点和一个基因节点的子网络模块作为有效模块;

13、s7,将每一所述有效模块中各节点的网络扰动贡献值映射为对应节点上的图信号,并根据所述有效模块的邻接关系构建对应的图拉普拉斯矩阵;根据所述图信号和所述图拉普拉斯矩阵计算各有效模块的图全变分,并基于有效模块的节点数量得到各有效模块的平均图全变分;提取平均图全变分最高的若干个有效模块,将其中的mirna-基因调控关系作为联合标志物。

14、优选的,步骤s2具体包括:

15、采用t检验对基因表达数据进行差异表达分析,筛选得到满足预设显著性条件的差异表达基因并输入gene-transformer模型,通过所述gene-transformer模型的多头注意力机制获得各差异表达基因的重要性评分,并根据所述重要性评分进行排序,选取重要性评分排序靠前的基因作为候选基因;

16、所述gene-transformer模型包括一维卷积特征提取层、位置编码层、transformer编码层、全局平均池化层以及分类输出层。

17、优选的,步骤s3中,

18、所述候选mirna的获得包括:采用差异表达分析方法获得差异表达mirna,并采用机器学习模型对所述差异表达mirna进行重要性评分,根据所述重要性评分对所述差异表达mirna进行排序,将机器学习筛选结果与所述差异表达mirna取交集,得到候选mirna。

19、优选的,步骤s4中,所述mirna-基因联合调控网络的构建包括:

20、基于数据库获取候选mirna对应的靶基因关系,按照结合区域、最小自由能和实验验证信息进行过滤,保留结合区域位于3′-utr、最小自由能小于-20kcal/mol、且具有实验验证支持的mirna-基因调控关系;

21、将候选基因输入string数据库,获取基因-基因互作关系;

22、将所述mirna-基因调控关系与所述基因-基因互作关系进行合并,构建所述mirna-基因联合调控网络。

23、优选的,步骤s5中,所述将节点移除前后的网络熵变化量确定为该节点的网络扰动贡献值,具体包括:

24、将节点移除前后的网络熵差值的绝对值作为该节点的扰动贡献值;所述扰动贡献值越大,表示对应节点对网络结构的影响越大;

25、其中,所述网络扰动贡献值不直接作为联合标志物的筛选指标,而是用于作为后续所述子网络模块中的图信号。

26、优选的,步骤s6中,所述拓扑社区划分包括:

27、采用louvain算法,以最大化网络模块度为全局优化目标,通过循环迭代将所述mirna-基因联合调控网络划分为若干个初始社区;统计各初始社区内的互作调控边数量,剔除互作边数量为零的初始社区。

28、优选的,步骤s7中,

29、所述图信号为一维离散图信号向量 ;

30、构建对应的图拉普拉斯矩阵,具体包括:

31、提取所述有效模块的邻接矩阵  和节点度矩阵 ,构建图拉普拉斯矩阵;

32、根据二次型能量公式  计算该子网络模块的图全变分。

33、优选的,步骤s7中,提取平均图全变分最高的若干个有效模块,将其中的mirna-基因调控关系作为联合标志物的步骤包括:

34、计算全部有效模块的平均图全变分的平均值,将平均图全变分达到所述平均值3倍以上的模块定义为高风险模块,将低于所述平均值1/3的模块定义为低风险模块,介于两者之间的模块定义为中风险模块;选取高风险模块中的mirna-基因调控关系作为sle的联合标志物。

35、优选的,所述差异表达分析方法包括limma-voom方法,所述机器学习模型包括随机森林模型和xgboost模型;分别根据随机森林模型和xgboost模型获得mirna的重要性评分,均选取重要性评分排名前50%的mirna,并取两种机器学习模型筛选结果的并集,再与所述差异表达mirna取交集。

36、(三)有益效果

37、与现有技术相比,本发明具有如下有益效果:

38、1. 本发明创新性地构建了适用于横断面表达数据的图域离散信号分析体系。针对临床公共数据集缺乏时间序列、难以进行时序波动分析的痛点,将分子熵扰动值映射为网络拓扑节点上的离散信号,利用图拉普拉斯矩阵作为图域二阶差分算子,实现了信号与系统中离散波动和高频能量理论向静态分子调控网络的有效迁移,为缺乏时序信息的横断面数据分析提供了全新的物理视角。

39、2. 提出了基于图全变分的局部调控失衡评价新指标。突破了现有研究单纯依赖节点度数或静态网络中心性进行评价的局限,利用gtv量化相邻分子间熵扰动差值的平方累加和,通过捕捉疾病状态下相邻节点扰动差异增大所形成的局部高频变化,为挖掘sle相关异常调控模块提供了具有明确数学解释的量化手段。

40、3. 提高了候选分子筛选的综合判别能力。 本发明采用统计检验与智能特征学习相结合的分层筛选策略,对基因表达数据先通过统计检验筛选具有组间表达差异的候选分子,再利用gene-transformer模型的多头注意力机制对候选基因进行重要性排序,从而兼顾单分子差异显著性与多基因间的全局关联特征;对于mirna表达数据,则结合差异表达分析、随机森林和xgboost模型进行多策略筛选。与单纯依据统计显著性或单一机器学习模型进行特征筛选相比,该方法能够从不同维度综合评价候选分子,提高后续mirna-基因联合调控网络中节点筛选的可靠性和代表性。该方法兼顾差异显著性、分类判别贡献和潜在全局关联特征

41、4. 实现了联合标志物的高效筛选与多维特征协同。本发明从前端的差异特征提取到后端的拓扑社区划分与局部高频能量评估,形成了一套连贯且高度自洽的分析闭环。最终输出的不是孤立的单分子标志物,而是具有明确调控关系和潜在生物学意义的mirna-基因联合标志物,大幅提升了疾病分子状态辅助评估模型的系统性与鲁棒性。