一种基于全局交互传递性与特征融合的多层调控网络关键节点识别方法

本发明提供了一种基于全局交互传递性与特征融合的多层调控网络关键节点识别方法，属于生物信息学及计算生物学领域，方法包括：通过构建肿瘤的lncRNA‑miRNA‑mRNA‑TF ceRNA调控网络；选择经典网络拓扑属性以及生物属性（表达变异系数（Corr）和表型相关性（Coef））作为节点特征；利用Bayes算法对节点特征进行融合，将每个节点所得贝叶斯值作为该节点的重要性权重，用PageRank算法在全局网络的相互作用下传递，进一步构建多种特征组合的BPR重要性指标；采用RNADisease数据库中与肿瘤相关的节点作为阳性样本验证BPR指标的预测效果；比较单特征指标、多特征指标与最优BPR指标在RF和Bayes中的预测能力；结果表明，最优BPR指标（包含Degree、EPC、BottleNeck和Coef）在关键节点识别中的能力最强。以肺腺癌为例，本发明成功识别了与肺腺癌进展相关的关键节点，展示了其在生物医学研究及临床应用中的潜在重要价值。