换一批
换一批基于图自编码器和协同训练预测miRNA与疾病的关联
Predicting miRNA-disease associations based on graph autoencoders and collaborative training
摘要：
近年来,越来越多的生物学实验研究表明,microRNA(miRNA)在人类复杂疾病的发展中发挥着重要作用.因此,预测miRNA与疾病之间的关联有助于疾病的准确诊断和有效治疗.由于传统的生物学实验是一种昂贵且耗时的方式,于是许多基于生物学数据的计算模型被提出来预测miRNA与疾病的关联.本研究提出了一种端到端的深度学习模型来预测miR-NA-疾病关联关系,称为MDAGAC.首先,通过整合疾病语义相似性,miRNA功能相似性和高斯相互作用谱核相似性,构建miRNA和疾病的相似性图.然后,通过图自编码器和协同训练来改善标签传播的效果.该模型分别在miRNA图和疾病图上建立了两个图自编码器,并对这两个图自编码器进行了协同训练.miRNA图和疾病图上的图自编码器能够通过初始关联矩阵重构得分矩阵,这相当于在图上传播标签.miRNA-疾病关联的预测概率可以从得分矩阵得到.基于五折交叉验证的实验结果表明,MDAGAC方法可靠有效,优于现有的几种预测miRNA-疾病关联的方法.
更多
作者：
作者单位：
大连交通大学 理学院,辽宁 大连 116028
[1]
大连交通大学 软件学院,辽宁 大连 116028
[2]
期刊：
《生物信息学》2024年22卷2期 116-123页
ISTIC
关键词：
microRNA疾病关联预测协同训练图自编码器端到端microRNADiseaseAssociation predictionCollaborative trainingGraph autoencoderEnd-to-end
分类号：
Q522+.2
栏目名称：
研究论文
DOI：
10.12113/202302009
发布时间：
2024-07-03
基金项目：
海南省计算科学与应用重点实验室开放课题
- 浏览：5
- 被引：0
- 下载：0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
