具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其它实施例，均属于本发明保护的范围。

实施例一

请参阅图1，本实施例提供一种单基因病名称的推荐方法，包括：

根据单基因病名称的特征关系数据库，构建单基因病的标准化临床特征表型树；将用户输入的特征集合I中的临床特征在标准化临床特征表型树上的节点标记；遍历特征关系数据库中的第n个单基因病名称，将其对应特征集合A中的标准临床特征在标准化临床特征表型树上的节点标记，所述n的初始值为1；基于标准化临床特征表型树上的节点标记，从特征集合A中匹配出与特征集合I每个临床特征一一对应的最佳标准临床特征；根据共处根节点的临床特征与最佳标准临床特征的链路分布，分别计算每个临床特征与对应最佳标准临床特征链路的离散增量，并累加得到特征集合I与第n个单基因病名称中对应最佳标准临床特征的总离散增量；令n＝n+1重新遍历特征关系数据库中的第n个单基因病名称，直至特征关系数据库中的单基因病名称遍历完毕，将特征集合I与每个特征集合A对应的总离散增量汇总排序，输出最小总离散增量对应的单基因病名称。

本实施例提供的单基因病名称的推荐方法中，首先基于单基因病名称的特征关系数据库构建单基因病的标准化临床特征表型树，然后将用户输入的特征集合I中的临床特征在标准化临床特征表型树上的节点标记，并遍历特征关系数据库中的第n个单基因病名称，将当前第n个单基因病名称对应的特征集合A中的标准临床特征在标准化临床特征表型树上的节点标记，接着根据标准化临床特征表型树上的节点标记，从特征集合A中分别匹配出与特征集合I中每个临床特征一一对应的最佳标准临床特征，并根据每个临床特征与最佳标准临床特征的链路分布，分别计算每个临床特征与对应最佳标准临床特征链路的离散增量，进而累加得到特征集合I与第n个单基因病名称中对应最佳标准临床特征的总离散增量，在此之后，令n＝n+1重新遍历特征关系数据库中的第n个单基因病名称，直至特征关系数据库中的单基因病名称遍历完毕，将特征集合I与每个特征集合A对应的总离散增量汇总排序，输出最小总离散增量对应的单基因病名称。

可见，本实施例提供的单基因病名称的推荐方法的使用过程具有便捷友好的特点，通过即时搜索和表型树可以非常方便的输入标准化的临床特征，可以精准、高效、全面的推荐出用户所患的单基因病名称，有助于为临床医生对单基因病的辅助诊断和鉴别诊断提供线索。

上述实施中，根据单基因病名称的特征关系数据库，构建单基因病的标准化临床特征表型树的方法包括：

从单基因病的公共数据库和文献数据库，获得已知的单基因病名称及其对应的标准临床特征；基于已知的单基因病名称及其对应的标准临床特征，建立单基因病名称与标准临床特征的特征关系数据库。

具体实施时，公共数据库为MedGen数据库，文献数据库为PubMed数据库，特征关系数据库中包括互相匹配的单基因病名称、外文临床特征、临床特征在人类表型标准用语数据库中的编号(HPOIDs)以及中文临床特征。PubMed数据库作为MedGen数据库下载数据的补充。

上述实施例中，链路分布的获取方法包括：

特征集合I包括多个临床特征，特征集合A包括多个标准临床特征；遍历特征集合I中的第i个临床特征，从特征集合A中匹配出与第i个临床特征对应的标准临床特征，作为与第i个临床特征对应的最佳标准临床特征，i的初始值为1；令i＝i+1后重新遍历特征集合I中的第i个临床特征，直至特征集合I中的临床特征遍历完毕，从第n个单基因病名称对应的特征集合A中筛选出与特征集合I中临床特征一一对应的多个最佳标准临床特征；将特征集合I中的全部临床特征，以及特征集合A中一一对应的最佳标准临床特征在标准化临床特征表型树上做节点标记，统计出每个临床特征所对应的第一链路，以及每个最佳标准临床特征所对应的第二链路。

具体实施时，首先分析特征集合I中包括的多个临床特征，如m个，将其中的每个临床特征分别在标准化临床特征表型树上做节点标记，然后从特征关系数据库中依次轮询其中的单基因病名称，并将轮询到的第n个单基因病名称对应的标准临床特征与特征集合I中的每个临床特征一一对应匹配，然后将匹配成功的多个最佳标准临床特征在标准化临床特征表型树上做节点标记，最终基于第n个单基因病名称中的最佳标准临床特征与特征集合I中的临床特征，统计出每个临床特征所对应的第一链路，以及每个最佳标准临床特征所对应的第二链路。

上述实施例中，分别计算每个临床特征与对应最佳标准临床特征链路的离散增量的方法包括：

分别计算每个共处根节点中的第一链路对应的离散量，以及每条第二链路对应的离散量；针对共有节点的第一链路与第二链路，计算第一链路和第二链路对应的离散增量；遍历包括共有节点的每一条第一链路及每一条第二链路，分别计算任意第一链路与任意第二链路对应的离散增量。

上述实施例中，针对共有节点的第一链路与第二链路，计算所述第一链路和所述第二链路对应的离散增量的方法包括：

获取第一链路与第二链路中共有节点的数量第一链路中所有节点的数量第一链路中每个共有节点对单基因病的贡献度总和第一链路中的特征集合与特征集合A的Jaccard距离第一链路中的特征集合与特征集合A的富集显著性值

采用公式计算第j个临床特征在第一链路中的离散增量，所述I_j表示第j个临床特征；

获取第一链路与第二链路中共有节点的数量第二链路中所有节点的数量第二链路中每个共有节点对单基因病的贡献度总和第二链路中的特征集合与特征集合A的Jaccard距离第二链路中的特征集合与特征集合A的富集显著性值

采用公式计算第j个最佳标准临床特征在第二链路中的离散增量，所述A_j表示第j个最佳标准临床特征。

具体实施时，离散量D的计算模型为，采用共有表型数n₁、表型总数n₂、共有表型贡献度n₃、Jaccard距离n₄、表型富集显著性n₅五个维度的特征向量构建离散量D，离散源X＝[n₁,n₂,n₃，n₄，n₅]的离散量模型定义为：

其中对数的底b取10。

如果有两个离散源，X＝[n₁,n₂,n₃，n₄，n₅]，Y＝[m₁,m₂,m₃，m₄，m₅],定义离散增量的模型为：

其中，表示5个维度的特征向量；

D(M+N)＝(M+N)log_b(M+N)-Mlog_bM-Nlog_bN；

D(m_i+n_i)＝(m_i+n_i)log_b(m_i+n_i)-m_ilog_bm_i-n_ilog_bn_i；

离散增量Δ(X,Y)就可看作是一个生物相似性关系的定量表示，它体现了两组数据X和Y之间的相似程度，Δ(X,Y)的值越小，则两组数据越相似。

示例性地，基于第n个单基因病名称对应特征集合A与用户输入的特征集合I在标准化临床特征表型树上的节点标记，标记的结果如图2所示，标准化临床特征表型树中的每一个节点表示一个标准化临床特征，假设标准化临床特征表型树中匹配后包含T个主干根节点，以集合B:[B₁,B₂,B₃,..B_t...B_T]表示，标准化临床特征表型树中标记的第n个单基因病名称对应的最佳标准临床特征，以集合A:[A₁,A₂,A₃,..A_i...A_n]表示，用户输入的患者的特征集合I中的临床特征有m个，以集合I:[I₁,I₂,I₃,...I_j...,I_m]表示，●表示第n个单基因病名称属于第n个单基因病的所有最佳临床标准化表型特征，表示属于用户输入的患者的临床特征，表示标准化临床特征表型树中任一临床表型特征叶子或节点，中有数字的图标表示：假设属于同根节点的输入表型I_j节点与标准化表型树上这种单基因疾病所包含表型A_i节点中共有的节点。

以表型I_j节点为例说明，如果从同根节点B_t起到输入表型I_j节点止作为为第一链路，从同根节点B_t起到第n个单基因病A_i节点止作为第二链路，那么这两个同根链路存在共有节点4个，将这两个分支链路分别构建离散源。对于第一链路的节点集合，统计该链路上共有节点数量从图可见为4，所有节点数量从图可见为5，计算每个共有节点对该单基因病的贡献度总和第一链路中的特征集合与特征集合A的Jaccard距离第一链路中的特征集合与特征集合A的富集显著性值这5个值，将这5个值作为特征向量，构建某个输入表型特征在表型树分支上的第一离散源，定义为并采用公式

计算第j个临床特征在第一链路中的离散增量，其中，

类似的，对第二链路的节点集合，统计该链路上共有节点数量从图可见为4，统计第二链路中所有节点的数量从图可见为6，第二链路中每个共有节点对单基因病的贡献度总和第二链路中的特征集合与特征集合A的Jaccard距离第二链路中的特征集合与特征集合A的富集显著性值将这5个值作为特征向量，构建第n个单基因病的表型在标准化临床特征表型树上的第二离散源，定义为并采用公式计算第j个最佳标准临床特征在第二链路中的离散增量，其中，

针对第一离散源和第二离散源的离散增量的计算过程如下，分别计算这两个集合的离散增量，获得第n个单基因病名称分支内部的离散增量，以此类推，遍历计算出所有输入的临床特征在整个第n个单基因病名称上靶标到属于该单基因病的表型树分支内部离散增量，将这些离散增量加和，从而得到总离散增量。该值越小说明两集合相似度越大，则属于该疾病的可能性也越大。

具体来说，累加得到特征集合I与第n个单基因病名称中对应最佳标准临床特征的总离散增量的方法包括：

采用公式计算特征集合I与第n个单基因病名称的总离散增量；其中，

D(N¹+N²)＝(N¹+N²)log_b(N¹+N²)-N¹log_bN¹-N²log_bN²；

D(N_e ¹+N_e ²)＝(N_e ¹+N_e ²)log_b(N_e ¹+N_e ²)-N_e ¹log_bN_e ¹-N_e ²log_bN_e ²。

以此类推，针对某种单基因疾病的最佳标准临床特征之一A_i，遍历用户输入临床表型特征集合I:[I₁,I₂,I₃,...I_j...,I_m]的每个元素，如果不存在同根节点则表示没有相关性，可直接跳过，如果存在同根节点，计算两个链路节点集合的离散量之间的离散增量，这些离散增量的总和定义为表型树层级内部的相似度。然后，针对某种单基因疾病的表型特征集合A:[A₁,A₂,A₃,..A_i...A_n]中的每个最佳标准临床特征，都遍历一遍I:[I₁,I₂,I₃,...I_j...,I_m]中的每个临床特征，同理计算每两个元素对应的链路集合的离散量之间的离散增量，此时计算出表型树所有分支层级内部的相似度。最后求得所有的离散增量总和，也即总离散增量，这个总离散增量定义为用户输入的患者的临床表型集合I:[I₁,I₂,I₃,...I_j...,I_m]与某种单基因疾病临床标准化表型特征集合A:[A₁,A₂,A₃,..A_i...A_n]的相似度量化指标，该值越小，说明两个集合越相似，患者罹患该单基因疾病的可能性就越高。

计算单基因病名称推荐指标——总离散增量，然后针对第n+1个单基因病，也可以通过以上所有过程计算得到用户输入的患者临床特征集合I:[I₁,I₂,I₃,...I_j...,I_m]与这种单基因疾病临床标准化表型特征集合A:[A₁,A₂,A₃,..A_i...A_n]的相似度量化指标——总离散增量。同理可以计算出数据库现存所有单基因疾病表型特征集合与输入患者临床表型集合的相似度量化指标。

最终将这些相似度量化指标——总离散增量排倒序，值越小说明用户输入的患者的临床表型特征集合I:[I₁,I₂,I₃,...I_j...,I_m]与某种单基因疾病临床标准化表型特征集合A:[A₁,A₂,A₃,..A_i...A_n]两个集合越相似，则该患者罹患该单基因疾病的可能性就越高。将这个优先级排序列表作为预测的精准化推荐结果输出到系统报告页面，完成单基因疾病名称的自动化、智能化、精准化推荐，为医生的临床诊断提供辅助工具，降低漏检率和误诊率。

需要补充的是，共有节点对该单基因病的贡献度总和的计算方法如下：

在特征关系数据库中，假设共有a种标准临床特征，a种标准临床特征在特征关系数据库中一共出现N次，假定每种标准临床特征出现的次数为a_i，则每个标准临床特征在特征关系数据库中出现的频率为f_i，f_i的计算公式为：

f_i＝a_i/N；

对于特征关系数据库中的某种单基因病，假定对应有m个标准临床特征，每个标准临床特征在特征关系数据库中的分布频率依次为f₁、f₂、……、f_m，则某个标准临床特征对该单基因病的贡献度c_i的计算公式为：

上述公式中，k为校正因子，且k＞1，特征关系数据库作为参考数据库使用。

两个特征集合的Jaccard距离计算公式如下：

本实施例通过Jaccard相似系数和Jaccard距离度量输入临床特征与单基因病表型关联关系，Jaccard相似系数用来度量两个集合之间的相似性，它被定义为两个集合交集的元素个数除以并集的元素个数。计算方法为：

Jaccard距离算法为其中，|A|表示集合A中的临床特征数目(第一链路)，|B|表示集合B中的临床特征数目(第二链路)，|A∩B|表示集合A和集合B交集中的临床特征数目，|A∪B|表示集合A和集合B并集中的临床特征数目。特别说明：若A、B两个集合都为空，则J(A,B)＝1；J(A,B)取值范围为[0,1]。Jaccard相似性指数越大，d距离越小，两个集合越相似。

两个特征集合的富集显著性值计算公式如下：

利用算法计算集合A与集合B的临床特征富集因子f，其中，a表示集合A包含在集合B中的临床特征数目，b表示特征关系数据库中的临床特征包含在集合B中的临床特征数目，c表示集合A不包含在集合B中的临床特征数目，d表示特征关系数据库中的临床特征不包含在集合B中的临床特征数目，利用算法计算集合A与集合B的富集显著性值值，其中n＝a+b+c+d。

综上，本实施例具有如下创新点：

1、对单基因病种覆盖面广泛，由于特征关系数据库是基于公共数据库和文献数据库中的海量单基因病数据建立的，单基因病表型与临床特征关系中文数据库覆盖的单基因病种类达8600种以上，单基因病表型临床特征超过11000个，表型与临床特征关系数据达9万种以上，囊括了单基因病研究方向最新的数据库版本和文献报道，因此可以确保特征关系数据库能够覆盖目前已知的所有单基因病及对应的临床特征，进而保证单基因病名称推荐的准确性。

2、友好智能的辅助医生录入临床表型特征，基于Web的系统不受病例资料文本格式的限制，不仅能够支持标准化结构化表型信息录入，还可支持自由文本格式的病例资料录入，用户可通过鼠标点击或者输入关键词即时搜索输入标准化临床特征，采用即时搜索和表型树方式可以非常方便的输入标准化的临床特征，对输入表型进行模糊处理，允许用户输入相似的临床特征，非常方便和友好，更加智能，适用范围更广。

3、打包和发布工具流程快速、简单、规范化、可移植，系统的开发发布规则成功的规避了传统生物信息学软件学习门槛高，很难被没有相关背景的人员使用的缺点。使用Docker来封装计算流程的每个步骤。

4、疾病名称推荐更加精准、自动化、智能化，通过引入机器学习预测模型——离散增量，使得系统能自动学习底层知识库和表型树的层级关系，更充分利用输入信息，瞬间精准、智能的推荐该患者可能罹患的单基因疾病名称。为单基因病的临床诊断和鉴别提供线索和理论支持，也为缩小进一步基因检测的范围提供数据支持。可以作为单基因病临床辅助诊断的一个便利工具，具有准确的关联预测模型以及质量评估参数，为单基因病精细化个性化诊疗提供可靠理论支持和技术支撑，进一步提高诊断理论依据和效率，提高单基因病的确诊率、缩短首诊时间，降低误诊率和患者就医经济负担。

实施例二

本实施例提供一种单基因病名称的推荐系统，包括：

数据获取单元，用于根据单基因病名称的特征关系数据库，构建单基因病的标准化临床特征表型树；

输入标记单元，用于将用户输入的特征集合I中的临床特征在标准化临床特征表型树上的节点标记；

遍历标记单元，用于遍历特征关系数据库中的第n个单基因病名称，将其对应特征集合A中的标准临床特征在标准化临床特征表型树上的节点标记，所述n的初始值为1；

检索单元，基于标准化临床特征表型树上的节点标记，从特征集合A中匹配出与特征集合I每个临床特征一一对应的最佳标准临床特征；

计算单元，用于根据共处根节点的临床特征与最佳标准临床特征的链路分布，分别计算每个临床特征与对应最佳标准临床特征链路的离散增量，并累加得到特征集合I与第n个单基因病名称中对应最佳标准临床特征的总离散增量；

判断输入单元，用于令n＝n+1重新遍历特征关系数据库中的第n个单基因病名称，直至特征关系数据库中的单基因病名称遍历完毕，将特征集合I与每个特征集合A对应的总离散增量汇总排序，输出最小总离散增量对应的单基因病名称。

优选地，链路分布的获取方法包括：

所述特征集合I包括多个临床特征，所述特征集合A包括多个标准临床特征；

遍历所述特征集合I中的第i个临床特征，从所述特征集合A中匹配出与所述第i个临床特征对应的标准临床特征，作为与所述第i个临床特征对应的最佳标准临床特征，所述i的初始值为1；

令i＝i+1后重新遍历所述特征集合I中的第i个临床特征，直至特征集合I中的临床特征遍历完毕，从第n个单基因病名称对应的特征集合A中筛选出与特征集合I中临床特征一一对应的多个最佳标准临床特征；

将所述特征集合I中的全部临床特征，以及特征集合A中一一对应的最佳标准临床特征在标准化临床特征表型树上做节点标记，统计出每个临床特征所对应的第一链路，以及每个最佳标准临床特征所对应的第二链路。

与现有技术相比，本发明实施例提供的单基因病名称的推荐系统的有益效果与上述实施例一提供的单基因病名称的推荐方法的有益效果相同，在此不做赘述。

实施例三

本实施例提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述单基因病名称的推荐方法的步骤。

与现有技术相比，本实施例提供的计算机可读存储介质的有益效果与上述技术方案提供的单基因病名称的推荐方法的有益效果相同，在此不做赘述。

本领域普通技术人员可以理解，实现上述发明方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，上述程序可以存储于计算机可读取存储介质中，该程序在执行时，包括上述实施例方法的各步骤，而的存储介质可以是：ROM/RAM、磁碟、光盘、存储卡等。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。