グラフイソモルフィズムネットワークとグラフサンプリング集約に基づくcircRNA-DiseaseAssociationsの予測

科学分野:

• 計算生物学
• ゲノミクス
• バイオ情報学

背景:

• 循環型RNA (circRNA) と疾患の関係を理解することは,疾患メカニズムの研究に不可欠です.
• サークRNA疾患関連性を特定するための実験方法は,時間がかかり,労力がかかる.
• 既存の計算方法には深層特征抽出の限界があります.

研究 の 目的:

• GINSACDAという革新的な計算フレームワークを開発し,未知のcircRNA疾患関連性を予測する.
• 多様な機能タイプと高度なネットワークアーキテクチャを統合することで,既存の方法の限界を克服する.

主な方法:

• GINSACDAは,ガウスのインタラクティブ・プロファイル・カーネル (GIP) の類似性と,circRNAsと疾患の機能的/意味的類似性をグローバル特性として計算する.
• 局所的な特徴は7ホップのサブグラフから抽出されます.
• 融合したグローバルとローカルな特徴は,グラフ同型ネットワーク (GIN) とグラフサンプリングアグレゲーション (GraphSAGE) によって処理され,深い特徴の抽出が行われます.
• 完全に接続された層は予測スコアを計算します.

主要な成果:

• GINSACDAは5つの最新のモデルと比較して,2つのデータセットの5倍クロス検証で優れたパフォーマンスを示しました.
• 肝細胞癌と乳がんに関するケーススタディは モデルの予測力を検証した.

結論:

• GINSACDAは,circRNA疾患関連を予測するための強力で正確な計算方法を提供します.
• 統合されたデータから深い特徴を抽出するフレームワークの能力は,病気のメカニズムの理解を高めます.