Decodificación de las asociaciones potenciales de lncRNA y enfermedades a través del aprendizaje de la representación gráfica y el aumento del gradiente con el histograma | JoVE Visualize

Área de la Ciencia:

La genómica
La bioinformática
Biología computacional

Sus antecedentes:

Los ARN largos no codificantes (ARNlnc) juegan un papel crucial en enfermedades complejas.
La validación experimental de las asociaciones lncRNA-enfermedad (LDA) requiere muchos recursos.
La predicción precisa de los LDA es vital para la comprensión de la enfermedad y el desarrollo terapéutico.

Objetivo del estudio:

Desarrollar un modelo computacional eficiente y preciso para inferir asociaciones de lncRNA-enfermedad (LDA).
Aprovechar las técnicas avanzadas de aprendizaje automático para mejorar la predicción de LDA.
Proporcionar una herramienta valiosa para la identificación de posibles biomarcadores de lncRNA para enfermedades complejas.

Principales métodos:

El modelo LDA-GMCB integra el aprendizaje de incrustación de gráficos, la autoatención de múltiples cabezas (MSA) con redes neuronales convolucionales (CNN), la descomposición de valor singular de bajo rango (SVD) y el aumento del gradiente basado en histogramas (HGBoost).
Las características no lineales se capturan utilizando la incorporación de gráficos y MSA-CNN, mientras que las características lineales se extraen a través de SVD de rango bajo.
HGBoost se emplea para la inferencia final de las relaciones lncRNA-enfermedad.

Principales resultados:

El LDA-GMCB demostró un rendimiento superior en comparación con cuatro modelos de referencia y cuatro clasificadores populares en escenarios de validación cruzada de 5 veces y arranque en frío.
El modelo logró mejoras significativas en las bases de datos lncRNADisease y MNDR.
Los estudios de ablación confirmaron la eficacia de los componentes individuales dentro del LDA-GMCB.

Conclusiones:

LDA-GMCB ofrece un enfoque computacional robusto y eficiente para predecir las asociaciones de enfermedades de lncRNA.
El modelo identificó con éxito posibles lncRNAs (DGCR5, HIF1A) asociados con las enfermedades de Alzheimer y Parkinson.
El LDA-GMCB proporciona un recurso valioso para futuras investigaciones sobre las funciones del lncRNA en enfermedades complejas.