公开(公告)号：CN110322930B

公开(公告)日：2021-12-03

申请号：CN201910489667.5

申请日：2019-06-06

申请人： 大连理工大学

发明人： 林晓惠 ,  苏本哲 ,  黄鑫

IPC分类号： G16B40/00 ,  G16B5/20

摘要： 本发明提供一种基于水平关系的代谢组学网络标志物识别方法，属于生物数据分析技术领域，用于筛选复杂疾病潜在网络标志物的代谢组学数据分析方法DNB‑HC。特征间的水平关系使用概率得分进行定义，用于衡量一对代谢特征在同一个样本中的相对表达水平的大小关系，通过随机扰乱测试确定水平关系的鲁棒性，从而确定网络连边。此外，本发明使用差异网络分析方法识别网络标志物，筛选出的网络代谢标志物具有较好的区分能力，能够为研究疾病发生发展机理及疾病的诊断提供切实有效的数据处理手段。

公开(公告)号：CN107992722A

公开(公告)日：2018-05-04

申请号：CN201711086392.8

申请日：2017-11-07

申请人： 大连理工大学

发明人： 林晓惠 ,  任卫杰 ,  苏本哲

IPC分类号： G06F19/24 ,  G06F19/28

CPC分类号： G16B50/00 ,  G16B40/00

摘要： 一种基于对称不确定性和信息交互增益的特征选择方法，适用于生物信息数据分析，属于生物数据分析技术领域。生物体本身就是一个复杂的系统，生物体内分子之间相互关联，相互作用，共同反应生命现象的本质。为综合评价特征，除了需要考虑特征与类标的关联性之外，特征之间的互补性不容忽视。本发明采用对称不确定性和信息交互增益来衡量特征与类标之间的关联性以及特征与特征之间的互补性，结合二者计算特征的权重，同时采用特征后向迭代删除技术移除权重较低的特征，减少噪音特征对特征权重计算的干扰。本发明的核心思想是通过分析生物信息数据中特征之间潜在的关联关系，探索生物体内分子之间存在的复杂的相互作用，找到与疾病相关的生物标志物。

公开(公告)号：CN110322930A

公开(公告)日：2019-10-11

申请号：CN201910489667.5

申请日：2019-06-06

申请人： 大连理工大学

发明人： 林晓惠 ,  苏本哲 ,  黄鑫

IPC分类号： G16B40/00 ,  G16B5/20

摘要： 本发明提供一种基于水平关系的代谢组学网络标志物识别方法，属于生物数据分析技术领域，用于筛选复杂疾病潜在网络标志物的代谢组学数据分析方法DNB-HC。特征间的水平关系使用概率得分进行定义，用于衡量一对代谢特征在同一个样本中的相对表达水平的大小关系，通过随机扰乱测试确定水平关系的鲁棒性，从而确定网络连边。此外，本发明使用差异网络分析方法识别网络标志物，筛选出的网络代谢标志物具有较好的区分能力，能够为研究疾病发生发展机理及疾病的诊断提供切实有效的数据处理手段。