首页> 中国专利> 基于复杂网络的生物活动时间序列分析方法和装置

基于复杂网络的生物活动时间序列分析方法和装置

摘要

本发明提供一种基于复杂网络的生物活动时间序列分析方法和装置,所述方法包括:获取生物活动时间序列数据;通过复杂网络将生物活动时间序列数据转换为状态转移网络;获取状态转移网络的网络特征,其中,状态转移网络的网络特征包括:motif图;对网络特征进行分析,确定生物活动时间序列数据是否具有长程相关性。本发明的分析方法,通过对生物活动时间时序数据进行分析,得到生物的长程相关性,对例如医药领域中对生物注射药物进行试药时,能够根据生物的长程相关性判断药物的效果。

著录项

  • 公开/公告号CN112382414A

    专利类型发明专利

  • 公开/公告日2021-02-19

    原文格式PDF

  • 申请/专利权人 常州微亿智造科技有限公司;

    申请/专利号CN202110028187.6

  • 申请日2021-01-11

  • 分类号G16H70/40(20180101);G16H50/20(20180101);

  • 代理机构32231 常州佰业腾飞专利代理事务所(普通合伙);

  • 代理人张励

  • 地址 213016 江苏省常州市钟楼区玉龙南路280号大数据产业园4号楼2楼

  • 入库时间 2023-06-19 09:57:26

说明书

技术领域

本发明涉及复杂网络技术领域,具体涉及一种基于复杂网络的生物活动时间序列分析方法、一种基于复杂网络的生物活动时间序列分析装置、一种计算机设备和一种非临时性计算机可读存储介质。

背景技术

现有的对于生物(如小鼠)活动规律分析的研究大多基于时序领域做时间序列分析,揭示小白鼠在时域上的规律。然而这种规律已经不太能满足医学上用在生物上进行试药,来判断该药效在不同的年龄、身体健康程度的效果。

发明内容

本发明为解决上述技术问题,提供了一种基于复杂网络的生物活动时间序列分析方法,通过利用复杂网络将生物活动时间序列数据转换为状态转移网络,并根据状态转移网络的网络特征确定生物活动时间序列数据是否具有长程相关性,对例如医药领域中对生物注射药物进行试药时,能够根据生物的长程相关性判断药物的效果。

本发明采用的技术方案如下:

一种基于复杂网络的生物活动时间序列分析方法,包括以下步骤:获取生物活动时间序列数据;通过复杂网络将所述生物活动时间序列数据转换为状态转移网络;获取所述状态转移网络的网络特征;,其中,所述状态转移网络的网络特征包括:motif图;对所述网络特征进行分析,确定所述生物活动时间序列数据是否具有长程相关性。

根据本发明的一个实施例,通过复杂网络将所述生物活动时间序列数据转换为状态转移网络,包括:通过长度为第一预设值的滑动窗口沿时间序列数据从前向后滑动,以获取多个第一预设值的滑动窗口大小的时间序列片段;将每个时间序列片段中的每个数据作为一个节点,并将彼此可见的两个节点相互连接,构成邻接矩阵序列;将所述邻接矩阵序列中状态相邻的邻接矩阵相连,构成邻接矩阵状态链;遍历所述邻接矩阵状态链,当存在任意两个状态的邻接矩阵相同时,用前者状态对应的邻接矩阵代替后者状态对应的邻接矩阵,以构成状态转移网络。

根据本发明的一个实施例,通过下述公式确定两个节点

其中,

根据本发明的一个实施例,所述状态转移网络的网络特征,包括:获取所述状态转移网络中每个节点的度;当某一个节点的度大于其余节点的度时,将该节点记为中心节点;随机重组所述生物活动时间序列数据的顺序,并将重组后的所述生物活动时间序列数据转换为状态转移网络;如果所述中心节点的度与重组后的状态转移网络中的该节点的度之间的比值大于预设阈值,则所述中心节点为motif图。

根据本发明的一个实施例,对所述网络特征进行分析,确定所述生物活动时间序列数据是否具有长程相关性,包括:将每个motif图对应的生物活动时间序列数据作为一个序列;通过长度为第二预设值的滑动窗口沿时间序列滑动,以获取多个第二预设值滑动窗口大小的时间序列片段;对每个时间序列片段进行多项式拟合,以获取对应的拟合曲线值;将多个所述时间序列片段中的每个时间序列片段减去对应的拟合曲线值,以获得去趋势时间序列;根据所述去趋势时间序列获取标度指数。

根据本发明的一个实施例,通过下述公式进行多项式拟合:

其中,

通过下述公式获取所述标度指数:

其中,

根据本发明的一个实施例,其中,当所述标度指数大于第三预设值且小于第四预设值时,确定所述生物活动时间序列数据具有长程相关性。

本发明还提出了一种基于复杂网络的生物活动时间序列分析装置,包括:第一获取模块,用于获取生物活动时间序列数据;转换模块,用于通过复杂网络将所述生物活动时间序列数据转换为状态转移网络;第二获取模块,用于获取所述状态转移网络的网络特征,其中,所述状态转移网络的网络特征包括:motif图;确定模块,用于对所述网络特征进行分析,确定所述生物活动时间序列数据是否具有长程相关性。

本发明还提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现上述的基于复杂网络的生物活动时间序列分析方法。

本发明还提出了一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的基于复杂网络的生物活动时间序列分析方法。

本发明的有益效果:

本发明通过利用复杂网络将生物活动时间序列数据转换为状态转移网络,并根据状态转移网络的网络特征确定生物活动时间序列数据是否具有长程相关性,对例如医药领域中对生物注射药物进行试药时,能够根据生物的长程相关性判断药物的效果。

附图说明

图1为本发明实施例的基于复杂网络的生物活动时间序列分析方法的流程图;

图2为本发明一个实施例的基于复杂网络的生物活动时间序列的可见图;

图3A-图3F为本发明一个实施例基于复杂网络的生物活动时间序列分析方法的示意图;

图4A-图4F为本发明另一个实施例基于复杂网络的生物活动时间序列分析方法的示意图;

图5为本发明实施例的基于复杂网络的生物活动时间序列分析装置的方框示意图。

具体实施方式

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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。

图1为本发明实施例的基于复杂网络的生物活动时间序列分析方法的流程图。

如图1所示,本发明实施例的基于复杂网络的生物活动时间序列分析方法可包括以下步骤:

S1,获取生物活动时间序列数据。

具体而言,获取生物活动的作息时间(白天和夜晚),以小鼠为例,有6只小鼠,获取每只小鼠每分钟活动的次数,观察小鼠一个月活动次数,构成小鼠的活动时间序列数据。

S2,通过复杂网络将生物活动时间序列数据转换为状态转移网络。

根据本发明的一个实施例,通过复杂网络将生物活动时间序列数据转换为状态转移网络,包括:通过长度为第一预设值的滑动窗口沿时间序列数据从前向后滑动,以获取多个第一预设值的滑动窗口大小的时间序列片段;将每个时间序列片段中的每个数据作为一个节点,并将彼此可见的两个节点相互连接,构成邻接矩阵序列;将邻接矩阵序列中状态相邻的邻接矩阵相连,构成邻接矩阵状态链;遍历邻接矩阵状态链,当存在任意两个状态的邻接矩阵相同时,用前者状态对应的邻接矩阵代替后者状态对应的邻接矩阵,以构成状态转移网络。其中,第一预设值可根据实际情况进行标定,例如,第一预设值可以为5。需要说明的是,一般情况下滑动窗口的大小为5时,其对应的可见图的种类为25种,而在滑动窗口的大小为6或者其他数值时,可见图的种类是不确定的。

具体而言,利用复杂网络中的可见图方法,提取生物活动时间序列数据的信息,并能准确描述出相应的时间序列的结构特征。可见图方法的主要思想是利用图论来表达时间序列的特征,可见图理论构造的网络继承了时间序列的某些动力学特征,在研究时间序列的结构中具有重要的意义,该方法在对时间序列分析与复杂网络理论之间建立起了连接的桥梁,下面简要介绍该方法。

假设生物活动时间序列为{

其中,

在图2中,每个图可用该图对应的邻接矩阵表示,假设图的顶点集为V(G),边集为E(G),该图的邻接矩阵为A(G),则A(G)的矩阵元素

利用可见图方法得到邻接矩阵序列G,其中,该序列中的每一个元素代表一个可见图,同时也代表原生物活动时间序列为{

S3,获取状态转移网络的网络特征,其中,状态转移网络的网络特征包括:motif图。

根据本发明的一个实施例,获取状态转移网络的网络特征,包括:获取状态转移网络中每个节点的度;当某一个节点的度大于其余节点的度时,将该节点记为中心节点;随机重组生物活动时间序列数据的顺序,并将重组后的生物活动时间序列数据转换为状态转移网络;如果中心节点的度与重组后的状态转移网络中的该节点的度之间的比值大于预设阈值,则中心节点为motif图。其中,预设阈值可根据实际情况进行标定。

其中,需要说明的是,网络节点的度为局部状态

具体而言,在状态转移过程中,节点的出现频率记为网络节点的度,当网络中某个节点的度远大于其他节点,则该节点被称为中心节点。从度的分布图中很容易发现中心节点,但该中心节点的结构也有可能出现在随机网络中,即完全用中心节点代表原时间序列的特征是不准确的。因此,随机打乱原始生物活动时间序列数据,并将该序列也按上述方法构成状态转移网络,如果原始时间序列对应的状态转移网络中的某个节点的度远大于随机打乱次序构成的状态转移网络中该节点的度,则该节点被称为motif图,如图4A-图4F所示,由图4A-图4F中可以看出,a1-f1表示的是原始状态转移网络中节点的度和重组状态转移网络中的节点的度,a2-f2表示的是原始状态转移网络中节点的度与对应的重组状态转移网络中的节点的度之间的比值,a3-f3表示的是通过去趋势波动分析法对motif图在原始生物活动时间序列数据中出现状态的标度行为。

S4,对网络特征进行分析,确定生物活动时间序列数据是否具有长程相关性。

根据本发明的一个实施例,对网络特征进行分析,确定生物活动时间序列数据是否具有长程相关性,包括:将每个motif图对应的生物活动时间序列数据作为一个序列;通过长度为第二预设值的滑动窗口沿时间序列滑动,以获取多个第二预设值滑动窗口大小的时间序列片段;对每个时间序列片段进行多项式拟合,以获取对应的拟合曲线值;将多个时间序列片段中的每个时间序列片段减去对应的拟合曲线值,以获得去趋势时间序列;根据去趋势时间序列获取标度指数。其中,第二预设值可根据实际情况进行标定。

进一步地,根据本发明的一个实施例,通过下述公式进行多项式拟合:

其中,

通过下述公式获取标度指数:

其中,

其中,当标度指数大于第三预设值且小于第四预设值时,确定生物活动时间序列数据具有长程相关性。第三预设值和第四预设值分别为0.5和1。

具体而言,由于motif图不止有一个,有很多个,且每个motif图中对应很多个生物 活动时间序列数据,将这些数据作为一个序列。假设序列为

将原序列片段中的每个时间序列片段减去相应的拟合曲线值,即可得到去趋势时间序列

需要说明的是,多次试验证明,当

另外,假设该分析方法用在医学领域,在试验药物时,可以对不同年龄段或者不同健康程度的生物进行注射试验药物,通过对生物活动时间序列数据进行分析,可以分析得到生物相同年龄,且身体健康程度不同的药性,也可以分析得到生物不同年龄,相同身体健康程度的药性等,对医学领域上的帮助是非常之大的。

综上所述,本发明实施例的基于复杂网络的生物活动时间序列分析方法,首先获取生物活动时间序列数据,并通过复杂网络将生物活动时间序列数据转换为状态转移网络,然后获取状态转移网络的网络特征,并对网络特征进行分析,确定生物活动时间序列数据是否具有长程相关性。对例如医药领域中对生物注射药物进行试药时,能够根据生物的长程相关性判断药物的效果。

对应上述实施例的基于复杂网络的生物活动时间序列分析方法,本发明还提出一种基于复杂网络的生物活动时间序列分析装置。

图5为本发明实施例的基于复杂网络的生物活动时间序列分析装置的方框示意图。

如图5所示,本发明实施例的基于复杂网络的生物活动时间序列分析装置可包括:第一获取模块10、转换模块20、第二获取模块30和确定模块40。

其中,第一获取模块10用于获取生物活动时间序列数据。转换模块20用于通过复杂网络将生物活动时间序列数据转换为状态转移网络。第二获取模块30用于获取状态转移网络的网络特征,其中,状态转移网络的网络特征包括:motif图。确定模块40用于对网络特征进行分析,确定生物活动时间序列数据是否具有长程相关性。

根据本发明的一个实施例,转换模块20通过复杂网络将生物活动时间序列数据转换为状态转移网络,具体用于,通过长度为第一预设值的滑动窗口沿时间序列数据从前向后滑动,以获取多个第一预设值的滑动窗口大小的时间序列片段;将每个时间序列片段中的每个数据作为一个节点,并将彼此可见的两个节点相互连接,构成邻接矩阵序列;将邻接矩阵序列中状态相邻的邻接矩阵相连,构成邻接矩阵状态链;遍历邻接矩阵状态链,当存在任意两个状态的邻接矩阵相同时,用前者状态对应的邻接矩阵代替后者状态对应的邻接矩阵,以构成状态转移网络。

根据本发明的一个实施例,转换模块20还用于通过下述公式确定两个节点

其中,

根据本发明的一个实施例,第二获取模块30获取状态转移网络的网络特征,具体用于,获取状态转移网络中每个节点的度;当某一个节点的度大于其余节点的度时,将该节点记为中心节点;随机重组生物活动时间序列数据的顺序,并将重组后的生物活动时间序列数据转换为状态转移网络;如果中心节点的度与重组后的状态转移网络中的该节点的度之间的比值大于预设阈值,则中心节点为motif图。

根据本发明的一个实施例,确定模块40对网络特征进行分析,确定生物活动时间序列数据是否具有长程相关性,具体用于,将每个motif图对应的生物活动时间序列数据作为一个序列;通过长度为第二预设值的滑动窗口沿时间序列滑动,以获取多个第二预设值滑动窗口大小的时间序列片段;对每个时间序列片段进行多项式拟合,以获取对应的拟合曲线值;将多个时间序列片段中的每个时间序列片段减去对应的拟合曲线值,以获得去趋势时间序列;根据去趋势时间序列获取标度指数。

根据本发明的一个实施例,确定模块40通过下述公式进行多项式拟合:

其中,

确定模块40通过下述公式获取标度指数:

其中,

根据本发明的一个实施例,确定模块40还用于,当标度指数大于第三预设值且小于第四预设值时,确定生物活动时间序列数据具有长程相关性。

需要说明的是,本发明实施例的基于复杂网络的生物活动时间序列分析装置中未披露的细节,请参照本发明实施例的基于复杂网络的生物活动时间序列分析方法中所披露的细节,具体这里不再赘述。

本发明实施例的基于复杂网络的生物活动时间序列分析装置,通过利用复杂网络将生物活动时间序列数据转换为状态转移网络,并根据状态转移网络的网络特征确定生物活动时间序列数据是否具有长程相关性,对例如医药领域中对生物注射药物进行试药时,能够根据生物的长程相关性判断药物的效果。

对应上述实施例,本发明还提出一种计算机设备。

本发明实施例的计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行该计算机程序时,可实现根据本发明上述实施例所述的基于复杂网络的生物活动时间序列分析方法。

根据本发明实施例的计算机设备,处理器执行存储在存储器上的计算机程序时,首先获取生物活动时间序列数据,并通过复杂网络将生物活动时间序列数据转换为状态转移网络,然后获取状态转移网络的网络特征,并对网络特征进行分析,确定生物活动时间序列数据是否具有长程相关性。对例如医药领域中对生物注射药物进行试药时,能够根据生物的长程相关性判断药物的效果。

对应上述实施例,本发明还提出一种非临时性计算机可读存储介质。

本发明实施例的非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时可实现根据本发明上述实施例所述的基于复杂网络的生物活动时间序列分析方法。

根据本发明实施例的非临时性计算机可读存储介质,处理器执行存储在其上的计算机程序时,首先获取生物活动时间序列数据,并通过复杂网络将生物活动时间序列数据转换为状态转移网络,然后获取状态转移网络的网络特征,并对网络特征进行分析,确定生物活动时间序列数据是否具有长程相关性。对例如医药领域中对生物注射药物进行试药时,能够根据生物的长程相关性判断药物的效果。

在本发明的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上,除非另有明确具体的限定。

在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。

在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。

应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。

此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

去获取专利,查看全文>

相似文献

  • 专利
  • 中文文献
  • 外文文献
获取专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号