本發(fā)明涉及胃癌研究，具體為基于nsga-ann的特征基因篩選方法及cerna網(wǎng)絡(luò)的構(gòu)建方法。

背景技術(shù)：

1、胃癌是一種起源于胃黏膜上皮的惡性腫瘤，一般表現(xiàn)為腺癌。早期胃癌的癥狀并不明顯，少數(shù)患者會產(chǎn)生惡心嘔吐或胃潰瘍等上消化道癥狀，難以引起足夠的重視。而晚期胃癌的進展十分迅速，且容易出現(xiàn)遠端轉(zhuǎn)移，晚期胃癌患者的5年生存率一般只有3％至5％，因此胃癌的早期篩查對于爭取治療時間、延緩胃癌發(fā)展速度乃至降低死亡率都格外重要。目前的胃癌早期篩查金標(biāo)準(zhǔn)是內(nèi)鏡及鏡下活檢，盡管十分準(zhǔn)確，但對時間和設(shè)備的要求更高，同時患者也要承受一定的痛苦。隨著分子生物技術(shù)的進步，在分子層面進行疾病診斷和治療的方法正在發(fā)展，其中的代表為靶向治療技術(shù)。該技術(shù)針對惡性腫瘤細胞上存在的特異性結(jié)合位點，設(shè)計相應(yīng)的抗腫瘤藥物并定向與腫瘤細胞結(jié)合發(fā)生作用，或是干擾腫瘤細胞的原癌基因表達以達到精確殺滅癌細胞的目的。然而該技術(shù)需要高度精確的靶點位置才有可能使治療效果最大化，考慮到胃癌的異質(zhì)性特點以及靶點檢測技術(shù)仍不夠精確，個體化靶向治療依然發(fā)展緩慢。

2、腫瘤的發(fā)展與基因表達存在密切聯(lián)系，癌細胞的生長往往受到多個基因的調(diào)控，這種調(diào)控關(guān)系盡管復(fù)雜且多樣，但與正常細胞相比則有顯著的區(qū)別，同時也不易受到個體和環(huán)境因素的干擾。因此腫瘤的差異表達基因可作為一種明確的生物標(biāo)記，用于辨別腫瘤組織和正常組織，并幫助闡明胃癌的發(fā)生機制，這能為胃癌的分子診斷和靶向治療提供新的思路。隨著信息技術(shù)和高通量測序技術(shù)發(fā)展，目前已有相當(dāng)數(shù)量的基因轉(zhuǎn)錄譜數(shù)據(jù)被測出。由基因芯片收集到的基因轉(zhuǎn)錄數(shù)據(jù)一般有上萬維，而其中只有少數(shù)基因?qū)毎陌┳兤鸬疥P(guān)鍵作用，多數(shù)基因的表達會受到這些關(guān)鍵基因的影響。想要挖掘出胃癌發(fā)展的本質(zhì)機制和關(guān)鍵控制靶點，就需要去除多數(shù)的冗余基因。

3、去除冗余基因本質(zhì)是特征選擇的過程，目前已開發(fā)出了多種計算方法用于特征選擇任務(wù)，大致可分為過濾型、纏繞型和嵌入型方法。這些方法多是基于目標(biāo)基因?qū)εR床性狀的相關(guān)程度進行打分排序，或是結(jié)合分類模型同步進行選擇驗證，例如signal等人使用信噪比作為評價標(biāo)準(zhǔn)，利用k-近鄰算法(knn)作為分類器，所選擇的特征基因在前列腺癌數(shù)據(jù)集上實現(xiàn)了良好的分類效果。李等人使用改進的信噪比評價函數(shù)篩選基因，并使用支持向量機(svm)進行分類，在白血病數(shù)據(jù)集上實現(xiàn)了接近100％的準(zhǔn)確率。li等人使用改進的排序過濾器結(jié)合爬山算法進行基因選擇，在18種腫瘤基因表達數(shù)據(jù)集上進行測試，實現(xiàn)了最高94。29％的準(zhǔn)確率。近年來，深度學(xué)習(xí)和進化優(yōu)化算法也開始應(yīng)用于基因篩選任務(wù)中，例如yuvaraj等人將卷積神經(jīng)網(wǎng)絡(luò)(cnn)與改進過的鯨魚優(yōu)化算法(iwoa)結(jié)合，構(gòu)建了一個強化學(xué)習(xí)模型并用于肺癌樣本的基因表達數(shù)據(jù)中，分類精度達到了97。5％。soumen等人根據(jù)基因表達矩陣?yán)L制了基因間相關(guān)性熱力圖，并選定與癌癥最相關(guān)的區(qū)域作為感興趣區(qū)域(rois)，輸入到一個特定的圖神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練并預(yù)測，最終在白血病7129個原始基因中篩選出73個重點基因，在肺癌12533個原始基因中篩選出89個重點基因，在分類精度上均實現(xiàn)了良好性能。fu等人采用改進的多目標(biāo)海洋捕食者優(yōu)化算法，對16種常用腫瘤基因表達數(shù)據(jù)集進行測試，結(jié)果表明該方法在應(yīng)對高維度數(shù)據(jù)方面具有相當(dāng)大的優(yōu)勢。xiong等人提出了一種可解釋的異構(gòu)圖變換器模型，其結(jié)合了差異基因的編碼蛋白互作關(guān)系和kegg調(diào)控通路信息，相比傳統(tǒng)的篩選方法可以同時關(guān)注蛋白和作用通路對疾病的影響，在關(guān)鍵基因鑒別效果上均領(lǐng)先其他方法。

4、盡管目前已經(jīng)有許多方法用于關(guān)鍵基因的選擇，但多數(shù)研究只針對基因的表達情況，忽視了非編碼基因和mirna在基因調(diào)控中的影響。部分算法由于考慮了基因與基因和基因與蛋白質(zhì)之間的復(fù)雜關(guān)系，導(dǎo)致模型整體復(fù)雜度較高，數(shù)據(jù)獲取不易，因此需要對以上問題提出一種新的解決方案。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供基于nsga-ann的特征基因篩選方法及cerna網(wǎng)絡(luò)的構(gòu)建方法，旨在利用機器學(xué)習(xí)算法結(jié)合生物信息統(tǒng)計方法創(chuàng)建一個簡單易行的基因識別框架，并應(yīng)用于mrna，mirna和lncrna三類數(shù)據(jù)中，構(gòu)建競爭性內(nèi)源rna(cerna)調(diào)控網(wǎng)絡(luò)，深入挖掘與胃癌發(fā)展密切相關(guān)的關(guān)鍵基因和預(yù)后情況指示物，為胃癌的早期分子診斷和靶向治療的目標(biāo)提供參考依據(jù)，以解決背景技術(shù)中提出的技術(shù)問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：基于nsga-ann的特征基因篩選方法，至少包括以下步驟：

3、s1：進行數(shù)據(jù)收集，獲得癌癥樣本和正常對照樣本作為數(shù)據(jù)，進而確定整個數(shù)據(jù)集由mrna、mirna和lncrna三種核苷酸序列構(gòu)成；

4、s2：分別對三種核苷酸數(shù)據(jù)進行差異分析，獲得在胃癌樣本和正常樣本中存在顯著差異表達的核苷酸，并對mrna數(shù)據(jù)進行wgcna劃分模塊，獲得差異化mirna、選擇目標(biāo)模塊和差異化incrna；

5、s3：進行數(shù)據(jù)預(yù)處理，根據(jù)注釋文件去除了錯誤和無效rna，并分離三種核苷酸；

6、s4：設(shè)計基于nsga-ann的特征基因篩選算法，基于nsga-ann的特征基因篩選算法為自適應(yīng)多步循環(huán)的優(yōu)化迭代方法，當(dāng)單次nsga選擇的基因數(shù)不再變化時，自動選取當(dāng)前適應(yīng)度高于某一閾值的個體，綜合其選擇并啟動下一次完整的nsga迭代過程，這種迭代訓(xùn)練方式可確保算法維持在優(yōu)化過程；

7、s5：設(shè)定基因選擇的評價方法，確定基于nsga-ann的特征基因篩選算法的可行性；

8、s6：通過nsga-ann的特征基因篩選算法進行對應(yīng)的篩選。

9、進一步的，所述s2至少包括以下步驟：

10、對于轉(zhuǎn)錄組數(shù)據(jù)，使用負二項分布進行差異檢驗，當(dāng)基因的檢驗值滿足以下條件時，可以認(rèn)為是顯著差異的；

11、|log2?fold?change|gene≥1

12、這表示基因表達的變化倍數(shù)至少為2倍(或者反向變化至0。5倍)；

13、log2表示以2為底的對數(shù)變換，這樣變化倍數(shù)為1的基因在對數(shù)尺度上變化值為1或-1，這個條件幫助篩選出在生物學(xué)上具有顯著變化的基因；

14、adjust?pgene<0.05

15、是進行多重檢驗校正后的p值，用于控制假陽性率，低于0.05的p值表明基因表達的變化在統(tǒng)計上顯著，校正后的p值用于處理多次比較問題，減少假陽性發(fā)現(xiàn)，這表示在統(tǒng)計檢驗中，基因的p值經(jīng)過多重檢驗校正后小于0.05，表明結(jié)果具有統(tǒng)計學(xué)顯著性；

16、采用加權(quán)基因共表達網(wǎng)絡(luò)分析，即為wgcna描述不同樣品之間基因關(guān)聯(lián)模式；

17、表達量出現(xiàn)協(xié)同變化的基因群往往存在著上下游關(guān)系，若該基因群與臨床性狀又具有強相關(guān)性，則意味著該基因群的核心基因有可能是與疾病關(guān)系密切的驅(qū)動基因；

18、wgcna基于聚類的思想，根據(jù)基因間的協(xié)同變化劃分出不同的基因模塊，并計算各基因模塊與臨床性狀的相關(guān)性；

19、通過該方法可以迅速縮小關(guān)鍵基因的查找范圍；

20、由于wgcna通過計算基因間的相關(guān)性系數(shù)構(gòu)建共表達網(wǎng)絡(luò)，所有基因均應(yīng)該考慮在內(nèi)，否則網(wǎng)絡(luò)的權(quán)重可能會發(fā)生改變。

21、進一步地，所述基于nsga-ann的特征基因篩選算法的偽代碼如下：

22、

23、

24、cerna網(wǎng)絡(luò)的構(gòu)建方法，基于上述的基于nsga-ann的特征基因篩選方法中的得到的三種差異核苷酸；

25、結(jié)合mirtarbase和mirbase數(shù)據(jù)庫，獲得由7個mrna，5個lncrna和6個mirna組成的調(diào)控網(wǎng)絡(luò)；根據(jù)競爭性內(nèi)源rna理論，確定胃癌中存在hotair/hottip-has-mir-143/has-mir-125b/has-mir559-erbb2調(diào)控通路，erbb2作為已知的原癌基因，該通路對于人為控制erbb2表達具有進一步研究的價值。

26、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

27、本發(fā)明利用公共基因表達數(shù)據(jù)庫，運用非支配排序遺傳算法和多層感知機結(jié)合生物統(tǒng)計方法實現(xiàn)了對胃癌關(guān)鍵相關(guān)基因的篩選，并構(gòu)建了競爭性內(nèi)源rna調(diào)控網(wǎng)絡(luò)，發(fā)現(xiàn)了包括spp1、mmp13、erbb2等在內(nèi)的12個關(guān)鍵基因以及一條原癌基因調(diào)控通路，其中11個基因均會顯著影響胃癌患者的預(yù)后情況，有潛力作為靶點治療的目標(biāo)或進行早期分子診斷的指標(biāo)。