CN109886385A - 细胞信号通路网络特征的确定方法、装置、设备及介质 - Google Patents

Abstract

本发明公开了一种细胞信号通路网络特征的确定方法、装置、设备及介质。该方法包括：获取指定细胞信号通路的完整网络图；根据对应的突变基因集合确定与全部样本匹配的未突变基因交集，突变基因集合与指定细胞信号通路关联；根据完整网络图以及各样本的突变基因集合，计算各样本的未突变基因网络图，生成各未突变基因网络图的节点序列集；使用节点序列集形成语料库，训练得到针对未突变基因交集的词向量模型，并根据各词向量模型对未突变基因交集的处理结果，得到各样本针对指定细胞信号通路的细胞信号通路网络特征。本发明实施例提出了一种全新的，通过样本的基因突变数据描述样本针对指定细胞信号通路的细胞信号通路网络特征的新方式。

Description

细胞信号通路网络特征的确定方法、装置、设备及介质

技术领域

本发明实施例涉及信息处理技术，尤其涉及一种细胞信号通路网络特征的确定方法、装置、设备及介质。

背景技术

细胞信号通路是细胞生命活动的主要部分，是细胞维持正常生理功能的必备。一般来说，可以通过细胞信号通路网络中所有基因的表达值作为一类特征，来描述细胞的状态，据此可以比较不同样本间的差异。

现有技术一般通过差异基因表达来描述细胞信号通路网络。基本方法就是以生物学意义的方式计算基因表达数据，然后通过统计学分析基因表达数据寻找具有统计学显著性差异的基因，即差异表达基因。通过差异表达基因的表达值作为一类特征，来描述细胞的状态。

发明人在实现本发明的过程中，发现现有技术存在如下缺陷：现有技术依赖基因表达数据，如果只有基因突变数据，则无法描述细胞信号通路网络状态。

发明内容

本发明提供一种细胞信号通路网络特征的确定方法、装置、设备及介质，以实现通过基因突变数据描述细胞信号通路网络状态，扩大基因突变数据的使用范围和场景。

第一方面，本发明实施例提供了一种细胞信号通路网络特征的确定方法，包括：

获取指定细胞信号通路的完整网络图，完整网络图包括：多个节点，及连接具有相互作用关系的两个节点的有向边，节点包括：基因或化合物；

获取多个样本，并根据与各样本对应的突变基因集合，确定与全部样本匹配的未突变基因交集，突变基因集合与指定细胞信号通路关联；

根据完整网络图以及各样本的突变基因集合，计算与各样本对应的未突变基因网络图，并生成各未突变基因网络图的节点序列集；

使用各样本的节点序列集形成语料库，训练得到各样本针对未突变基因交集的词向量模型，并根据各样本的词向量模型对未突变基因交集的处理结果，得到各样本针对指定细胞信号通路的细胞信号通路网络特征。

第二方面，本发明实施例还提供了一种细胞信号通路网络特征的确定装置，包括：

网络图获取模块，用于获取指定细胞信号通路的完整网络图，完整网络图包括：多个节点，及连接具有相互作用关系的两个节点的有向边，节点包括：基因或化合物；

样本获取模块，用于获取多个样本，并根据与各样本对应的突变基因集合，确定与全部样本匹配的未突变基因交集，突变基因集合与指定细胞信号通路关联；

网络图计算模块，用于根据完整网络图以及各样本的突变基因集合，计算与各样本对应的未突变基因网络图，并生成各未突变基因网络图的节点序列集；

特征获取模块，用于使用各样本的节点序列集形成语料库，训练得到各样本针对未突变基因交集的词向量模型，并根据各样本的词向量模型对未突变基因交集的处理结果，得到各样本针对指定细胞信号通路的细胞信号通路网络特征。

第三方面，本发明实施例还提供了一种计算机设备，所述计算机设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所提供的细胞信号通路网络特征的确定方法。

第四方面，本发明实施例还提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所提供的细胞信号通路网络特征的确定方法。

本发明实施例通过根据与各样本对应的突变基因集合，确定与全部样本匹配的未突变基因交集，突变基因集合与指定细胞信号通路关联，然后根据完整网络图以及各样本的突变基因集合，计算与各样本对应的未突变基因网络图，生成各未突变基因网络图的节点序列集，并在使用各样本的节点序列集形成语料库，训练得到各样本针对未突变基因交集的词向量模型之后，根据各样本的词向量模型对未突变基因交集的处理结果，得到各样本针对指定细胞信号通路的细胞信号通路网络特征，提出了一种全新的，通过样本的基因突变数据描述样本针对指定细胞信号通路的细胞信号通路网络特征的新方式，解决了现有技术无法使用基因突变数据描述样本的细胞信号通路网络状态的问题，可以使用词向量模型，根据样本的基因突变数据计算不同样本在不同基因突变情况下特征，扩大了基因突变数据的使用范围和场景，具有很好的理论前景及应用价值。

附图说明

图1是本发明实施例一提供的一种细胞信号通路网络特征的确定方法的流程图；

图2a为本发明实施例二提供的一种细胞信号通路网络特征的确定方法的流程图；

图2b为本发明实施例二提供的形成与样本对应的未突变基因网络图的过程的示意图；

图3为本发明实施例三提供的一种细胞信号通路网络特征的确定方法的流程图；

图4为本公开实施例提供的一种细胞信号通路网络特征的确定装置的结构示意图；

图5为本发明实施例五提供的一种计算机设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。

另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作（或步骤）描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

为了便于理解，将本发明实施例的主要发明构思进行简述。首先，发明人针对现有技术需要使用各个样本针对同一细胞信号通路网络图（也即，本发明各实施例所述的指定细胞信号通路的完整网络图）中所有基因的表达式，计算得到各个样本基于该细胞信号通路网络图的网络特征，考虑是否可以仅根据各个样本针对同一细胞信号通路网络图的基因突变数据，来描述上述网络特征，以提供一种计算样本的细胞信号通路网络图的网络特征的新方式。

然而，如果使用各个样本针对同一细胞信号通路网络图的基因突变数据形成网络特征，则无法抓住各个样本中的共性信息，无法计算出该共性信息在不同基因突变数据的影响下，所反映出各个样本的不同的网络特征。基于上述思考，发明人创造性的提出一种全新的，通过样本的基因突变数据描述样本针对指定细胞信号通路的细胞信号通路网络特征的新方式，通过计算不同样本的基因突变数据对相同的未突变基因的交集的不同影响，确定出每个样本针对指定细胞信号通路网络图的网络特征。该方式首先基于各个样本的基因突变数据，形成各个样本基于所述同一细胞信号通路网络图的未突变基因的交集，这一未突变基因的交集对每一个样本都是相同的数据（可以作为共性信息），通过计算不同样本的基因突变数据对相同的未突变基因的交集的不同影响，可以确定出每个样本针对上述细胞信号通路网络图的网络特征。

发明人提出的描述样本针对指定细胞信号通路的细胞信号通路网络特征的新方式，可以对现有技术使用各个样本针对同一细胞信号通路网络图中所有基因的表达式，计算各个样本基于该细胞信号通路网络图的网络特征的方式进行补充。当无法获取各个样本针对同一细胞信号通路网络图中所有基因的表达式时，即无法采用现有技术计算各个样本基于该细胞信号通路网络图的网络特征时，还可以考虑采用本发明实施例的新方式，通过样本的基因突变数据描述样本针对指定细胞信号通路的细胞信号通路网络特征。

具体的，发明人考虑将词向量模型技术应用于计算网络特征的过程中。也即：首先根据各个样本的基因突变数据，对所述细胞信号通路网络图进行改造，形成与每个样本分别对应的未突变基因网络图（上述未突变基因网络图因为基因突变数据的不同，具体结构也是不尽相同的），基于与每个样本分别对应的未突变基因网络图中包括的各个基因或者分子，可以构造不同类型的语料库（带有了基因突变数据的特征）训练得到与不同样本分别对应的不同特征参数的词向量模型，使用与不同样本分别对应的词向量模型，可以分别生成各个样本针对所述细胞信号通路网络图得到的网络特征。

实施例一

图1是本发明实施例一提供的一种细胞信号通路网络特征的确定方法的流程图，本实施例可适用于根据样本的基因突变数据确定样本针对细胞信号通路的网络特征的情况，该方法可以由细胞信号通路网络特征的确定装置来执行，该装置可以由软件和/或硬件的方式来实现，并一般可集成在计算机设备中。相应的，如图1所示，该方法包括如下操作：

步骤101、获取指定细胞信号通路的完整网络图，完整网络图包括：多个节点，及连接具有相互作用关系的两个节点的有向边，节点包括：基因或化合物。

细胞信号通路的网络图具体可以是描述某一类生物体（典型的，人类）的指定数量或者类型的细胞之间相互作用关系的网络图。其中，一个细胞信号通路由相关的分子（基因、化合物等）组成。一个细胞信号通路的完整网络图包括：多个节点，及连接具有相互作用关系的两个节点的有向边，节点可以包括：基因或化合物。节点间的相互作用是完整网络图的有向边。

具体的，可以通过京都基因与基因组百科全书（Kyoto Encyclopedia of Genesand Genomes，KEGG）或者使用反应组（Reactome）等数据库中存储的多个人类细胞信号网络图中，获取某一个指定细胞信号通路网络图，并基于该细胞信号通路网络图，确定多个用户样本的细胞信号通路网络特征。

步骤102、获取多个样本，并根据与各样本对应的突变基因集合，确定与全部样本匹配的未突变基因交集，突变基因集合与指定细胞信号通路关联。

其中，一个样本包括一名可以用于进行基因研究的用户的全部基因或者全部突变基因。与样本对应的突变基因集合是样本在上述指定细胞信号通路中的全部突变基因组成的集合。各样本的突变基因集合不一定相同。未突变基因集合是样本在指定细胞信号通路中的全部未突变基因组成的集合。未突变基因交集是上述多个样本的全部未突变基因集合之间的交集。

可选的，获取多个样本，根据与各样本对应的突变基因集合，以及指定细胞信号通路中包括的全部基因，确定与各样本对应的未突变基因集合。计算全部未突变基因集合之间的交集，作为未突变基因交集。

步骤103、根据完整网络图以及各样本的突变基因集合，计算与各样本对应的未突变基因网络图，并生成各未突变基因网络图的节点序列集。

可选的，针对每一个样本，在完整网络图包括的各个节点中，将样本的突变基因集合的每个突变基因进行标记。即标出每一个样本在该指定细胞信号通路中的基因突变位置（也即，将发生基因突变的基因对应的节点进行标记）。然后在完整网络图中，删除每个标记节点，并同步删除与每个标记节点关联的有向边（删除所有从该标记节点向外延伸的有向边，以及所有指向该标记节点的有向边），以形成与样本对应的未突变基因网络图。

可选的，生成各未突变基因网络图的节点序列集，可以包括：针对每一个未突变基因网络图，在未突变基因网络图中，获取一个节点作为当前处理节点，并获取以当前处理节点为起点的最长关联路径。将与最长关联路径对应的全部节点的节点标识，按照路径顺序进行组合，形成一个节点序列，并将节点序列加入至一个节点序列集中。然后在未突变基因网络图中，获取下一个节点作为当前处理节点，直至完成对未突变基因网络图中全部节点的处理，形成对应的节点序列集。

可选的，节点标识可以为节点编号或节点名称。其中，节点编号或节点名称可以根据实际需求进行设计，本发明实施例对此并不进行限制。节点序列中的各节点标识之间用空格隔开。例如，一个节点序列可以是[01 02 06 10 11 21]。

步骤104、使用各样本的节点序列集形成语料库，训练得到各样本针对未突变基因交集的词向量模型，并根据各样本的词向量模型对未突变基因交集的处理结果，得到各样本针对指定细胞信号通路的细胞信号通路网络特征。

其中，词向量技术当前是自然语言处理领域的热门技术之一。词向量模型可以通过训练语料库中的句子，将每个词表示为实数向量形式。两个向量相似度高表示它们对应的词在句子中的共现次数多，或者它们的上下文较为相似。每个句子都由词序列构成，而每个节点序列都由节点标识构成。每个节点序列是有方向的。将每个节点序列中的每个节点对应的节点标识作为单词，并将节点序列集中的每个节点序列作为由单词构成的一个句子，加入至与该节点序列集对应的语料库中。由此，把每一个节点序列看成一个句子，所有句子构成一个语料库。例如，一个节点序列可以是[01 02 06 10 11 21]。将该节点序列中的每个节点对应的节点标识“01”“02”“06”“10”“11”“21”作为单词，并根据各个节点在该节点序列中的位置，将该节点序列作为由单词构成的一个句子，加入至对应的语料库中。

针对每一个样本，获取与样本对应的节点序列集，将节点序列集中的每个节点序列作为一个句子，加入至与节点序列集对应的语料库中。使用语料库中包括的各个句子，对预设的标准词向量模型进行训练，得到与当前处理的样本对应的词向量模型。可选的，预设的标准词向量模型可以为词向量生成模型Word2vec。由此，训练得到各样本针对未突变基因交集的词向量模型。

针对每一个样本，获取样本针对未突变基因交集的词向量模型，将未突变基因交集中的每个基因分别输入至与样本对应的词向量模型中，得到与每个基因分别对应的词向量。其中，得到的与每个基因分别对应的词向量为浮点数向量。按照每个基因在未突变基因交集中的位置，将各词向量首尾相接，得到组合词向量，并将组合词向量作为当前处理的样本针对指定细胞信号通路的细胞信号通路网络特征。可选的，节点标识为节点编号或者节点名称。按照节点编号或者节点名称，对与样本对应的未突变基因交集中的全部基因的词向量进行排序，然后根据排序结果将各词向量首尾相接，得到组合词向量。

得到的组合词向量就是每一个样本针对指定细胞信号通路的细胞信号通路网络特征，可以刻画指定细胞信号通路在不同突变（组合）条件下的网络特征。

本发明实施例通过根据与各样本对应的突变基因集合，确定与全部样本匹配的未突变基因交集，突变基因集合与指定细胞信号通路关联，然后根据完整网络图以及各样本的突变基因集合，计算与各样本对应的未突变基因网络图，生成各未突变基因网络图的节点序列集，并在使用各样本的节点序列集形成语料库，训练得到各样本针对未突变基因交集的词向量模型之后，根据各样本的词向量模型对未突变基因交集的处理结果，得到各样本针对指定细胞信号通路的细胞信号通路网络特征，提出了一种全新的，通过样本的基因突变数据描述样本针对指定细胞信号通路的细胞信号通路网络特征的新方式，解决了现有技术无法使用基因突变数据描述样本的细胞信号通路网络状态的问题，可以使用词向量模型，根据样本的基因突变数据计算不同样本在不同基因突变情况下特征，扩大了基因突变数据的使用范围和场景，具有很好的理论前景及应用价值。

实施例二

图2a为本发明实施例二提供的一种细胞信号通路网络特征的确定方法的流程图。本实施例可以与上述一个或者多个实施例中各个可选方案结合，在本实施例中，根据与各样本对应的突变基因集合，确定与全部样本匹配的未突变基因交集，可以包括：根据与各样本对应的突变基因集合，以及指定细胞信号通路中包括的全部基因，确定与各样本对应的未突变基因集合；计算全部未突变基因集合之间的交集，作为未突变基因交集。

以及，根据完整网络图以及各样本的突变基因集合，计算与各样本对应的未突变基因网络图，可以包括：在完整网络图包括的各个节点中，将当前处理的目标样本的突变基因集合的每个突变基因进行标记；在完整网络图中，删除每个标记节点，并同步删除与每个标记节点关联的有向边，以形成与目标样本对应的未突变基因网络图。

以及，生成各未突变基因网络图的节点序列集，可以包括：在当前处理的目标未突变基因网络图中，获取一个节点作为当前处理节点，并获取以当前处理节点为起点的最长关联路径；将与最长关联路径对应的全部节点的节点标识，按照路径顺序进行组合，形成一个节点序列，并将节点序列加入至一个节点序列集中；返回执行在当前处理的目标未突变基因网络图中，获取一个节点作为当前处理节点的操作，直至完成对目标未突变基因网络图中全部节点的处理，以形成与目标未突变基因网络图对应的节点序列集。

如图2a所示，该方法包括如下操作：

步骤201、获取指定细胞信号通路的完整网络图，完整网络图包括：多个节点，及连接具有相互作用关系的两个节点的有向边，节点包括：基因或化合物。

步骤202、获取多个样本，并根据与各样本对应的突变基因集合，以及指定细胞信号通路中包括的全部基因，确定与各样本对应的未突变基因集合，突变基因集合与指定细胞信号通路关联。

其中，突变基因集合是样本在指定细胞信号通路中的全部突变基因组成的集合。各样本的突变基因集合不一定相同。未突变基因集合是样本在指定细胞信号通路中的全部未突变基因组成的集合。

步骤203、计算全部未突变基因集合之间的交集，作为未突变基因交集。

其中，根据与各样本对应的未突变基因集合，计算全部未突变基因集合之间的交集。

例如，全部样本：样本1、样本2以及样本3。样本1的未突变基因集合是[01,02,06,10,11,21,22,68]。样本2的未突变基因集合是[01,03,06,10,11,21,65,67]。样本3的未突变基因集合是[02,03,06,10,11,21,55,61]。未突变基因集合之间的交集是[06,10,11,21]，即未突变基因交集。

步骤204、依次获取一个样本作为目标样本。

步骤205、在完整网络图包括的各个节点中，将当前处理的目标样本的突变基因集合的每个突变基因进行标记。

其中，获取一个样本作为目标样本，在完整网络图包括的各个节点中，将当前处理的目标样本的突变基因集合的每个突变基因进行标记。即标出目标样本在指定细胞信号通路中的基因突变位置。

步骤206、在完整网络图中，删除每个标记节点，并同步删除与每个标记节点关联的有向边，以形成与目标样本对应的未突变基因网络图。

由此，删除与每个突变基因对应的节点，以及与每个节点关联的有向边，形成与目标样本对应的未突变基因网络图。

在一个具体实例中，如图2b所示，某个样本的完整网络图221的全部基因是[01,06,10,11,21]。该样本的突变基因集合是[01]。在完整网络图包括的各个节点中，将样本的突变基因集合的突变基因01进行标记，然后删除该标记节点01，并同步删除与标记节点01关联的有向边，形成与该样本对应的未突变基因网络图222。

步骤207、在当前处理的与所述目标样本对应的目标未突变基因网络图中，依次获取一个节点作为当前处理节点，并获取以当前处理节点为起点的最长关联路径。

在一个具体实例中，如图2b所示，在未突变基因网络图222，获取节点06作为当前处理节点，获取以节点06为起点的最长关联路径：06→10→21（也即，由06开始，经过一个或者多个向外延伸的有向边所构成的一条不重复的最长路径）。获取节点10作为当前处理节点，获取以节点10为起点的最长关联路径：10→21。获取节点11作为当前处理节点，获取以节点11为起点的最长关联路径：11→21。

步骤208、将与最长关联路径对应的全部节点的节点标识，按照路径顺序进行组合，形成一个节点序列，并将节点序列加入至一个节点序列集中。

其中，节点标识为节点编号或节点名称。其中，节点编号或节点名称可以根据实际需求进行设计，本发明实施例对此并不进行限制。节点序列中的各节点标识之间用空格隔开。例如，一个节点序列可以是[01 02 06 10 11 21]。

步骤209、判断是否完成对目标未突变基因网络图中全部节点的处理：若是，执行步骤210；否则返回执行步骤207。

返回执行在当前处理的目标未突变基因网络图中，获取一个节点作为当前处理节点的操作，直至完成对目标未突变基因网络图中全部节点的处理，以形成与目标未突变基因网络图对应的节点序列集。

步骤210、判断是否完成对全部样本的处理：若是，执行步骤211；否则返回执行步骤204。

步骤211、使用各样本的节点序列集形成语料库，训练得到各样本针对未突变基因交集的词向量模型，并根据各样本的词向量模型对未突变基因交集的处理结果，得到各样本针对指定细胞信号通路的细胞信号通路网络特征。

本发明实施例通过根据与各样本对应的突变基因集合，以及指定细胞信号通路中包括的全部基因，确定与各样本对应的未突变基因集合，然后计算未突变基因交集，针对每一个样本，在完整网络图包括的各个节点中，将突变基因集合的每个突变基因进行标记，删除每个标记节点，同步删除与每个标记节点关联的有向边，形成对应的未突变基因网络图，并在未突变基因网络图中，针对每一个节点，获取以节点为起点的最长关联路径，将与最长关联路径对应的全部节点的节点标识，按照路径顺序进行组合，形成一个节点序列，并将节点序列加入至一个节点序列集中，形成与未突变基因网络图对应的节点序列集，可以根据不同样本的基因突变数据，形成与各样本对应的节点序列集，组成各样本对应的语料库。

实施例三

图3为本发明实施例三提供的一种细胞信号通路网络特征的确定方法的流程图。本实施例可以与上述一个或者多个实施例中各个可选方案结合，在本实施例中，使用各样本的节点序列集形成语料库，训练得到各样本针对未突变基因交集的词向量模型，可以包括：获取与当前处理的样本对应的目标节点序列集；将每个节点序列中的每个节点对应的节点标识作为单词，并将目标节点序列集中的每个节点序列作为由单词构成的一个句子，加入至与目标节点序列集对应的目标语料库中；使用目标语料库中包括的由单词构成的各个句子，对预设的标准词向量模型进行训练，得到当前处理的样本针对未突变基因交集的词向量模型。

以及，根据各样本的词向量模型对未突变基因交集的处理结果，得到各样本针对指定细胞信号通路的细胞信号通路网络特征，可以包括：获取当前处理的样本针对未突变基因交集的目标词向量模型；将未突变基因交集中的每个基因分别输入至目标词向量模型中，得到与每个基因分别对应的词向量；按照每个基因在未突变基因交集中的位置，将各词向量首尾相接，得到组合词向量，并将组合词向量作为当前处理的样本针对指定细胞信号通路的细胞信号通路网络特征。

以及，在得到各样本针对指定细胞信号通路的细胞信号通路网络特征之后，可以还包括：根据与各样本对应的细胞信号通路网络特征，对各样本进行分类。

相应的，如图3所示，该方法包括如下操作：

步骤301、获取指定细胞信号通路的完整网络图，完整网络图包括：多个节点，及连接具有相互作用关系的两个节点的有向边，节点包括：基因或化合物。

步骤302、获取多个样本，并根据与各样本对应的突变基因集合，确定与全部样本匹配的未突变基因交集，突变基因集合与指定细胞信号通路关联。

步骤303、根据完整网络图以及各样本的突变基因集合，计算与各样本对应的未突变基因网络图，并生成各未突变基因网络图的节点序列集。

步骤304、获取与当前处理的样本对应的目标节点序列集。

步骤305、将每个节点序列中的每个节点对应的节点标识作为单词，并将目标节点序列集中的每个节点序列作为由单词构成的一个句子，加入至与目标节点序列集对应的目标语料库中。

其中，每个句子都由词序列构成，而每个节点序列都由节点标识构成。每个节点序列是有方向的。将每个节点序列中的每个节点对应的节点标识作为单词，并将节点序列集中的每个节点序列作为由单词构成的一个句子，加入至与目标节点序列集对应的目标语料库中。由此，把目标节点序列集中的每一个节点序列看成一个句子，所有句子构成一个与目标节点序列集对应的目标语料库。例如，一个节点序列可以是[01 02 06 10 11 21]。将该节点序列中的每个节点对应的节点标识“01”“02”“06”“10”“11”“21”作为单词，并将该节点序列作为由单词构成的一个句子，加入至对应的语料库中。

步骤306、使用目标语料库中包括的由单词构成的各个句子，对预设的标准词向量模型进行训练，得到当前处理的样本针对未突变基因交集的词向量模型。

可选的，预设的标准词向量模型可以为词向量生成模型Word2vec。

步骤307、获取当前处理的样本针对未突变基因交集的目标词向量模型。

步骤308、将未突变基因交集中的每个基因分别输入至目标词向量模型中，得到与每个基因分别对应的词向量。

其中，得到的与每个基因分别对应的词向量为浮点数向量。

步骤309、按照每个基因在未突变基因交集中的位置，将各词向量首尾相接，得到组合词向量，并将组合词向量作为当前处理的样本针对指定细胞信号通路的细胞信号通路网络特征。

可选的，节点标识为节点编号或者节点名称。按照节点编号或者节点名称，对与样本对应的未突变基因交集中的全部基因的词向量进行排序，然后根据排序结果将各词向量首尾相接，得到组合词向量。得到的组合词向量就是每一个样本针对指定细胞信号通路的细胞信号通路网络特征，可以刻画指定细胞信号通路在不同突变（组合）条件下的网络特征。

在一个具体实例中，未突变基因交集是[10,11,21,06]，得到基因10对应的词向量是[0.555,0.123,0.786,0.320]，基因11对应的词向量是[0.102,0.511,0.345,0.811]，基因21对应的词向量是[0.734,0.251,0.148,0.311]，基因06对应的词向量是[0.116,0.121,0.821,0.212]。按照节点编号的排序结果[06,10,11,21]将各词向量首尾相接，得到组合词向量[0.555,0.123,0.786,0.320,0.102,0.511,0.345,0.811,0.734,0.251,0.148,0.311,0.116,0.121,0.821,0.212]。

步骤310、根据与各样本对应的细胞信号通路网络特征，对各样本进行分类。

其中，获取到与各样本对应的细胞信号通路网络特征之后，即可根据细胞信号通路网络特征对各样本进行分类。

本发明实施例通过针对每一个样本，获取对应的节点序列集，将每个节点序列中的每个节点对应的节点标识作为单词，并将节点序列集中的每个节点序列作为由单词构成的一个句子，加入至对应的语料库中，然后使用语料库中包括的由单词构成的各个句子，对预设的标准词向量模型进行训练，得到样本针对未突变基因交集的词向量模型，以及，针对每一个样本，将未突变基因交集中的每个基因分别输入至对应的词向量模型中，得到与每个基因分别对应的词向量，然后按照每个基因在未突变基因交集中的位置，将各词向量首尾相接，得到组合词向量，并将组合词向量作为当前处理的样本针对指定细胞信号通路的细胞信号通路网络特征，根据与各样本对应的细胞信号通路网络特征，对各样本进行分类，可以利用词向量模型，计算未突变基因交集中的每个基因在不同语料库中的词向量，可以将各词向量首尾相接，得到组合词向量，用于刻画指定细胞信号通路在不同突变条件下的网络特征，可以采用细胞信号通路网络特征对各样本进行分类。

实施例四

图4为本公开实施例提供的一种细胞信号通路网络特征的确定装置的结构示意图。本实施例可适用于根据样本的基因突变数据确定样本针对细胞信号通路的网络特征的情况。该装置可以采用软件和/或硬件的方式实现，该装置可以配置于计算机设备。如图4所示，该装置可以包括：网络图获取模块401、样本获取模块402、网络图计算模块403和特征获取模块404。

其中，网络图获取模块401，用于获取指定细胞信号通路的完整网络图，完整网络图包括：多个节点，及连接具有相互作用关系的两个节点的有向边，节点包括：基因或化合物；样本获取模块402，用于获取多个样本，并根据与各样本对应的突变基因集合，确定与全部样本匹配的未突变基因交集，突变基因集合与指定细胞信号通路关联；网络图计算模块403，用于根据完整网络图以及各样本的突变基因集合，计算与各样本对应的未突变基因网络图，并生成各未突变基因网络图的节点序列集；特征获取模块404，用于使用各样本的节点序列集形成语料库，训练得到各样本针对未突变基因交集的词向量模型，并根据各样本的词向量模型对未突变基因交集的处理结果，得到各样本针对指定细胞信号通路的细胞信号通路网络特征。

本发明实施例通过根据与各样本对应的突变基因集合，确定与全部样本匹配的未突变基因交集，突变基因集合与指定细胞信号通路关联，然后根据完整网络图以及各样本的突变基因集合，计算与各样本对应的未突变基因网络图，生成各未突变基因网络图的节点序列集，并在使用各样本的节点序列集形成语料库，训练得到各样本针对未突变基因交集的词向量模型之后，根据各样本的词向量模型对未突变基因交集的处理结果，得到各样本针对指定细胞信号通路的细胞信号通路网络特征，提出了一种全新的，通过样本的基因突变数据描述样本针对指定细胞信号通路的细胞信号通路网络特征的新方式，解决了现有技术无法使用基因突变数据描述样本的细胞信号通路网络状态的问题，可以使用词向量模型，根据样本的基因突变数据计算不同样本在不同基因突变情况下特征，扩大了基因突变数据的使用范围和场景，具有很好的理论前景及应用价值。

可选的，在上述技术方案的基础上，样本获取模块402可以包括：基因集合确定单元，用于根据与各样本对应的突变基因集合，以及指定细胞信号通路中包括的全部基因，确定与各样本对应的未突变基因集合；基因交集确定单元，用于计算全部未突变基因集合之间的交集，作为未突变基因交集。

可选的，在上述技术方案的基础上，网络图计算模块403可以包括：突变基因标记单元，用于在完整网络图包括的各个节点中，将当前处理的目标样本的突变基因集合的每个突变基因进行标记；节点删除单元，用于在完整网络图中，删除每个标记节点，并同步删除与每个标记节点关联的有向边，以形成与目标样本对应的未突变基因网络图。

可选的，在上述技术方案的基础上，网络图计算模块403可以包括：路径获取单元，用于在当前处理的目标未突变基因网络图中，获取一个节点作为当前处理节点，并获取以当前处理节点为起点的最长关联路径；节点序列形成单元，用于将与最长关联路径对应的全部节点的节点标识，按照路径顺序进行组合，形成一个节点序列，并将节点序列加入至一个节点序列集中；序列集形成单元，用于返回执行在当前处理的目标未突变基因网络图中，获取一个节点作为当前处理节点的操作，直至完成对目标未突变基因网络图中全部节点的处理，以形成与目标未突变基因网络图对应的节点序列集。

可选的，在上述技术方案的基础上，特征获取模块404可以包括：集合获取单元，用于获取与当前处理的样本对应的目标节点序列集；语料库生成单元，用于将每个节点序列中的每个节点对应的节点标识作为单词，并将目标节点序列集中的每个节点序列作为由单词构成的一个句子，加入至与目标节点序列集对应的目标语料库中；模型训练单元，用于使用目标语料库中包括的由单词构成的各个句子，对预设的标准词向量模型进行训练，得到当前处理的样本针对未突变基因交集的词向量模型。

可选的，在上述技术方案的基础上，特征获取模块404可以包括：模型获取单元，用于获取当前处理的样本针对未突变基因交集的目标词向量模型；词向量获取单元，用于将未突变基因交集中的每个基因分别输入至目标词向量模型中，得到与每个基因分别对应的词向量；词向量组合单元，用于按照每个基因在未突变基因交集中的位置，将各词向量首尾相接，得到组合词向量，并将组合词向量作为当前处理的样本针对指定细胞信号通路的细胞信号通路网络特征。

可选的，在上述技术方案的基础上，可以还包括：样本分类模块，用于根据与各样本对应的细胞信号通路网络特征，对各样本进行分类。

实施例五

图5为本发明实施例五提供的一种计算机设备的结构示意图。图5示出了适于用来实现本发明实施方式的计算机设备512的框图。图5显示的计算机设备512仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，计算机设备512以通用计算设备的形式表现。计算机设备512的组件可以包括但不限于：一个或者多个处理器516，存储装置528，连接不同系统组件（包括存储装置528和处理器516）的总线518。

总线518表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构（Industry StandardArchitecture，ISA）总线，微通道体系结构（Micro Channel Architecture，MCA）总线，增强型ISA总线、视频电子标准协会（Video Electronics Standards Association，VESA）局域总线以及外围组件互连（Peripheral Component Interconnect，PCI）总线。

计算机设备512典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备512访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储装置528可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器（Random Access Memory，RAM）530和/或高速缓存存储器532。计算机设备512可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统534可以用于读写不可移动的、非易失性磁介质（图5未显示，通常称为“硬盘驱动器”）。尽管图5中未示出，可以提供用于对可移动非易失性磁盘（例如“软盘”）读写的磁盘驱动器，以及对可移动非易失性光盘（例如只读光盘（Compact Disc-Read Only Memory，CD-ROM）、数字视盘（Digital Video Disc-Read Only Memory，DVD-ROM）或者其它光介质）读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线518相连。存储装置528可以包括至少一个程序产品，该程序产品具有一组（例如至少一个）程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组（至少一个）程序模块526的程序536，可以存储在例如存储装置528中，这样的程序模块526包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块526通常执行本发明所描述的实施例中的功能和/或方法。

计算机设备512也可以与一个或多个外部设备514（例如键盘、指向设备、摄像头、显示器524等）通信，还可与一个或者多个使得用户能与该计算机设备512交互的设备通信，和/或与使得该计算机设备512能与一个或多个其它计算设备进行通信的任何设备（例如网卡，调制解调器等等）通信。这种通信可以通过输入/输出（Input/Output，I/O）接口522进行。并且，计算机设备512还可以通过网络适配器520与一个或者多个网络（例如局域网（Local Area Network，LAN），广域网Wide Area Network，WAN）和/或公共网络，例如因特网）通信。如图所示，网络适配器520通过总线518与计算机设备512的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备512使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列（Redundant Arraysof Independent Disks，RAID）系统、磁带驱动器以及数据备份存储系统等。

处理器516通过运行存储在存储装置528中的程序，从而执行各种功能应用以及数据处理，例如实现本发明上述实施例所提供的细胞信号通路网络特征的确定方法。

也即，所述处理单元执行所述程序时实现：获取指定细胞信号通路的完整网络图，完整网络图包括：多个节点，及连接具有相互作用关系的两个节点的有向边，节点包括：基因或化合物；获取多个样本，并根据与各样本对应的突变基因集合，确定与全部样本匹配的未突变基因交集，突变基因集合与指定细胞信号通路关联；根据完整网络图以及各样本的突变基因集合，计算与各样本对应的未突变基因网络图，并生成各未突变基因网络图的节点序列集；使用各样本的节点序列集形成语料库，训练得到与各样本针对未突变基因交集的词向量模型，并根据各样本的词向量模型对未突变基因交集的处理结果，得到各样本针对指定细胞信号通路的细胞信号通路网络特征。

实施例六

本发明实施例六还提供一种存储计算机程序的计算机存储介质，所述计算机程序在由计算机处理器执行时用于执行本发明上述实施例任一所述的细胞信号通路网络特征的确定方法：获取指定细胞信号通路的完整网络图，完整网络图包括：多个节点，及连接具有相互作用关系的两个节点的有向边，节点包括：基因或化合物；获取多个样本，并根据与各样本对应的突变基因集合，确定与全部样本匹配的未突变基因交集，突变基因集合与指定细胞信号通路关联；根据完整网络图以及各样本的突变基因集合，计算与各样本对应的未突变基因网络图，并生成各未突变基因网络图的节点序列集；使用各样本的节点序列集形成语料库，训练得到与各样本针对未突变基因交集的词向量模型，并根据各样本的词向量模型对未突变基因交集的处理结果，得到各样本针对指定细胞信号通路的细胞信号通路网络特征。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器（RAM）、只读存储器（Read Only Memory，ROM）、可擦式可编程只读存储器（（Erasable Programmable ReadOnly Memory，EPROM）或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、射频（Radio Frequency，RF）等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种细胞信号通路网络特征的确定方法，其特征在于，包括：

获取指定细胞信号通路的完整网络图，所述完整网络图包括：多个节点，及连接具有相互作用关系的两个节点的有向边，所述节点包括：基因或化合物；

获取多个样本，并根据与各所述样本对应的突变基因集合，确定与全部样本匹配的未突变基因交集，所述突变基因集合与所述指定细胞信号通路关联；

根据所述完整网络图以及各所述样本的突变基因集合，计算与各所述样本对应的未突变基因网络图，并生成各所述未突变基因网络图的节点序列集；

使用各所述样本的节点序列集形成语料库，训练得到各所述样本针对所述未突变基因交集的词向量模型，并根据各所述样本的词向量模型对所述未突变基因交集的处理结果，得到各所述样本针对所述指定细胞信号通路的细胞信号通路网络特征。

2.根据权利要求1所述的方法，其特征在于，根据与各所述样本对应的突变基因集合，确定与全部样本匹配的未突变基因交集，包括：

根据与各所述样本对应的突变基因集合，以及所述指定细胞信号通路中包括的全部基因，确定与各所述样本对应的未突变基因集合；

计算全部所述未突变基因集合之间的交集，作为所述未突变基因交集。

3.根据权利要求1所述的方法，其特征在于，根据所述完整网络图以及各所述样本的突变基因集合，计算与各所述样本对应的未突变基因网络图，包括：

在所述完整网络图包括的各个节点中，将当前处理的目标样本的突变基因集合的每个突变基因进行标记；

在所述完整网络图中，删除每个标记节点，并同步删除与每个所述标记节点关联的有向边，以形成与所述目标样本对应的未突变基因网络图。

4.根据权利要求1所述的方法，其特征在于，生成各所述未突变基因网络图的节点序列集，包括：

在当前处理的目标未突变基因网络图中，获取一个节点作为当前处理节点，并获取以所述当前处理节点为起点的最长关联路径；

将与所述最长关联路径对应的全部节点的节点标识，按照路径顺序进行组合，形成一个节点序列，并将所述节点序列加入至一个节点序列集中；

返回执行在当前处理的目标未突变基因网络图中，获取一个节点作为当前处理节点的操作，直至完成对所述目标未突变基因网络图中全部节点的处理，以形成与所述目标未突变基因网络图对应的节点序列集。

5.根据权利要求1所述的方法，其特征在于，使用各所述样本的节点序列集形成语料库，训练得到各所述样本针对所述未突变基因交集的词向量模型，包括：

获取与当前处理的样本对应的目标节点序列集；

将每个节点序列中的每个节点对应的节点标识作为单词，并将所述目标节点序列集中的每个节点序列作为由单词构成的一个句子，加入至与所述目标节点序列集对应的目标语料库中；

使用所述目标语料库中包括的由单词构成的各个句子，对预设的标准词向量模型进行训练，得到所述当前处理的样本针对所述未突变基因交集的词向量模型。

6.根据权利要求1所述的方法，其特征在于，根据各所述样本的词向量模型对所述未突变基因交集的处理结果，得到各所述样本针对所述指定细胞信号通路的细胞信号通路网络特征，包括：

获取当前处理的样本针对所述未突变基因交集的目标词向量模型；

将所述未突变基因交集中的每个基因分别输入至所述目标词向量模型中，得到与所述每个基因分别对应的词向量；

按照每个基因在所述未突变基因交集中的位置，将各所述词向量首尾相接，得到组合词向量，并将所述组合词向量作为所述当前处理的样本针对所述指定细胞信号通路的细胞信号通路网络特征。

7.根据权利要求1-6任一项所述的方法，其特征在于，在得到各所述样本针对所述指定细胞信号通路的细胞信号通路网络特征之后，还包括：

根据与各所述样本对应的细胞信号通路网络特征，对各所述样本进行分类。

8.一种细胞信号通路网络特征的确定装置，其特征在于，包括：

网络图获取模块，用于获取指定细胞信号通路的完整网络图，所述完整网络图包括：多个节点，及连接具有相互作用关系的两个节点的有向边，所述节点包括：基因或化合物；

样本获取模块，用于获取多个样本，并根据与各所述样本对应的突变基因集合，确定与全部样本匹配的未突变基因交集，所述突变基因集合与所述指定细胞信号通路关联；

网络图计算模块，用于根据所述完整网络图以及各所述样本的突变基因集合，计算与各所述样本对应的未突变基因网络图，并生成各所述未突变基因网络图的节点序列集；

特征获取模块，用于使用各所述样本的节点序列集形成语料库，训练得到各所述样本针对所述未突变基因交集的词向量模型，并根据各所述样本的词向量模型对所述未突变基因交集的处理结果，得到各所述样本针对所述指定细胞信号通路的细胞信号通路网络特征。

9.一种计算机设备，其特征在于，所述设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的细胞信号通路网络特征的确定方法。

10.一种计算机存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的细胞信号通路网络特征的确定方法。