BANSMDA: un modelo computacional para predecir posibles asociaciones de enfermedades microbianas basado en redes de...

Área de la Ciencia:

• Microbiología
• Biología computacional
• La bioinformática

Sus antecedentes:

• Comprender las relaciones entre las enfermedades microbianas es vital para la salud pública, el diagnóstico y el desarrollo de medicamentos.
• Se necesitan modelos de predicción precisos para descubrir interacciones complejas entre las comunidades microbianas y las enfermedades humanas.

Objetivo del estudio:

• Desarrollar y validar un modelo computacional innovador, BANSMDA, para predecir las asociaciones de enfermedades microbianas.
• Aprovechar las Redes de Atención Bilineal y los escasos autoencoders para mejorar la precisión de la predicción.

Principales métodos:

• Construyó una red heterogénea de enfermedades microbianas que integraba medidas de similitud gaussianas y asociaciones conocidas.
• Empleó un autoencoder basado en la Red de Atención Bilineal (BAN) y un autoencoder disperso para el aprendizaje de la representación de nodos.
• Evaluación del rendimiento del modelo mediante un marco de validación cruzada de cinco niveles.

Principales resultados:

• BANSMDA superó significativamente a los métodos de última generación existentes para predecir las relaciones entre microbios y enfermedades.
• Los estudios de caso sobre asma, carcinoma colorrectal, *Escherichia* y *Bacteroides* mostraron altas tasas de validación (19/20 y 20/20 para los microbios, 19/19 y 19/19 para las enfermedades).

Conclusiones:

• BANSMDA demuestra una fuerte capacidad predictiva para descubrir nuevas asociaciones de enfermedades microbianas.
• El modelo proporciona una herramienta valiosa para avanzar en la investigación de las enfermedades relacionadas con el microbioma y las estrategias terapéuticas.