癫痫病基因的算法模型

　　作为一种排名算法，Rwr算法从一个种子节点或多个种子节点开始模拟一个walker，并随机移动到网络G。本研究以470个癫痫基因系综为种子节点。在此基础上，我们旨在挖掘一些与癫痫相关的潜在基因。在算法开始时，用19247个组成部分构造了一个初始化向量p0，每个组成部分对每个节点成为潜在癫痫相关基因的概率进行评分。470个代表p0中已验证癫痫基因的ENSEMBL。ID的概率分数设为1/470。其他组分设为零。如果向量pi是Rwr算法执行第轮后的概率向量，

　　根据Rwr算法生成的概率向量，给出了网络中每个节点(基因)的一个数字，表示该节点(基因)成为一个新的癫痫基因的概率。价值较大的基因更有可能是癫痫相关基因。本研究采用了阈值1e-05;也就是说，从网络G中选择得分大于1e-05的基因，因为它过滤了大部分基因，并保留了足够的基因供进一步分析。为了方便起见，获得的基因被称为rwr基因。

　　在网络上执行rwr算法后，可以选择许多rwr基因。然而，正如我们之前的研究所阐述的，其中可能有许多假阳性基因。这些基因对癫痫并不特殊，应该排除在外。在这一部分中，我们提出了一种两步过滤法来筛选假阳性基因。

　　在候选基因中，有些基因在功能上与癫痫高度相关，而另一些基因则与癫痫弱相关。为了筛选其中的重要基因，提出了一种由两种选择方案组成的功能关联试验。

　　众所周知，具有较高相互作用分数的PPI中的蛋白质更有可能共享类似的功能。在候选基因中，那些与已验证的癫痫相关基因密切相关的可能是最新的癫痫基因。如果一个候选基因与确切的一个已验证的癫痫相关基因具有很强的相关性，并且与其他癫痫相关基因的相关性很弱或没有相关性，那么它可能仍然是一个新的癫痫相关基因。鉴于此，我们认为，使用候选基因与其最相关的癫痫相关基因之间的关联更恰当地表明其与癫痫的关联。具有大缺失的候选基因意味着它们极有可能直接与至少一个已验证的癫痫基因相互作用，并可能导致癫痫症状。在字符串中，值900被设置为截止值，以获得最高的置信度。

　　因此，它也被设置为MIS的阈值;也就是说，缺失小于900的候选基因被丢弃。